王启华
- 作品数：20 被引量：73H指数：4
- 供职机构：北京大学更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金中国博士后科学基金更多>>
- 相关领域：理学更多>>
- 随机删失下位置-刻度模型中的强相合与渐近正态估计
- 1999年
- 在删失分布未知的情形下，证明了所定义的位置─刻度模型中参数估计的强相合性与渐近正态性．在证明估计的渐近正态性时，使用了点过程鞅方法．
- 王启华
- 关键词：强相合性渐近正态性随机删失参数估计
- 次序统计量线性函数的随机加权逼近速度
- 1996年
- 设ｘ１，ｘ２，…ｘｎ（连续未知），Ｆｎ为经验分布函数，Ｈｎ（ｘ）为随机加权经验分布函数，。ｘｎ１≤ｘｎ２≤…≤ｘｎｎ为次序统计量．记以Ｆｎ取代σ２（Ｊ，Ｆ）中的Ｆ即得σ２（Ｊ，Ｆｎ）．
- 王启华
- 关键词：次序统计量线性函数随机加权经验分布函数
- 一类Kaplan-Meier估计泛函的一些大样本性质被引量：1
- 1999年
- 设F，G分别表示某寿命随机变量与删失随机变量的分布函数，在不假定F、G连续的情况下该文使用点过程鞅方法证明了Kaplan－Meier估计的一类泛函的渐近正态性，并建立了一个均方误差不等式和一个概率不等式．
- 王启华
- 关键词：渐近正态均方误差大样本性质泛函
- 复杂数据的统计推断
- 何书元王启华崔恒建石坚
- 不完全观测下Poisson过程的强度估计是试验科学中经常遇到的问题，本研究解决了强度函数的估计问题，这是至今为止所能见到的理论结果，在此之前人们只能用计算机仿真的方法；本项目基于以往的工作分别对于数据被随机删失，数据缺失...
- 关键词：
- 关键词：删失数据截断数据大样本理论
- 基于截断删失数据乘积限估计的一些逼近定理被引量：2
- 1997年
- 本文证明了由Ｔｓａｉ等［２］所定义的基于截断删失数据乘积限估计可被一Ｕ—统计量以足够的精度逼近，以至由该Ｕ—统计量的ＢｅｒｙＥｓｅｎ定理可得此乘积限估计的ＢｅｒｙＥｓｓｅｎ不等式．此外，应用Ｇｉｂｊｅｌｓ等人［１，定理１（Ｃ）］的有关结果。
- 王启华
- 关键词：渐近表示乘积限估计逼近定理
- 二维乘积限估计的一些渐近性质
- 1996年
- 设(X_i^O,Y_i^O),i=1,2,…,n是独立同分布,表示n对个体寿命的随机向量,它们有共同的生存分布函数S(s,t)=P(X^O>s,Y^O>t).又设(C_i,D_i)是一对表示删失时间的随机向量,且(C_i,D_i),i=1,2,…,n独立同分布,其生存分布函数为G(s,t)=P(C>s,D>t).在二元随机删失模型中,人们仅能观察到(X_i,δ_i,Y_i,△_i),i=1,2,…,n,其中X=min(X_i^O,C_i),δ_i;=I[X_i^O≤C_i],Y_i=min(Y_i^O,D_i),△_i=I[Y_i^O≤D_i],
- 王启华
- 关键词：泛函型重对数律渐近性质乘积限估计
- 二元乘积限估计的Edgeworth展开
- 1998年
- 设S(s,t)是二元生存函数 ,^Sn(s,t)是它的二元乘积限估计 .将log^Sn(s,t) -logS(s,t)表示成U 统计量加上所需性质的余项 ,然后利用该表示及U 统计量的Berry Essen定理得到二元乘积限估计的Berry Essen不等式 .
- 王启华
- 关键词：随机删失乘积限估计EDGEWORTH展开分布函数
- 学生化Kaplan－Meier估计的正态逼近速度
- 1996年
- 设Ｆ（ｔ）是表示寿命的分布函数，Ｇ（ｔ）是表示删失的分布函数，Ｆ（ｔ）是Ｆ（ｔ）＝１—Ｆ（ｔ）的Ｋａｐｌａｎ－Ｍｅｉｅｒ估计．本文在Ｆ（ｔ），Ｇ（ｔ）均连续的条件下，证明了对任何取定的０＜ｔ＜ＴＨ，有其中ＴＨ＝ｉｎｆ｛ｔ：Ｈ（ｔ）＝０｝，Ｈ（ｔ）＝（１－Ｆ（ｔ））（１－Ｇ（ｔ）），渐近方差的刀切估计．
- 王启华郑忠国
- 关键词：分布函数
- 基于截尾样本失效率估计的一些大样本性质
- 1994年
- 在产品的寿命试验中,通常我们所获得的是截尾数据,利用这些截尾数据估计产品的一些寿命特征(如失效率等)并研究其性质,显然是很有意义的.现设T_1,T_2,…,T_n表示产品寿命的随机变量,C_1,C_2,…,C_n表示相应的截尾随机变量.在随机右截尾模型中我们观察到的数据为(Z_i,δ_i)。
- 王启华
- 关键词：截尾数据大样本性质失效率
- 随机删失下指数分布参数MLE的一些结果(英文)被引量：1
- 2000年
- 考虑指数总体F(x ,θ) =1-e- xθ, x≥ 0 ,其中θ >0是未知参数。本文证明基于随机删失观察的参数θ的MLEθ^n 是渐近minimax有效的 ,即对某损失函数W (·) ,limδ→ 0 limn→∞ sup｜θ′-θ｜<δE(n)θ′ {w[- 1(n) (θ^n-θ) ]} =Ew(ξ) ,其中 ,L(ξ) =N(0 ,1) ,p(n) =(nI|θ|) - 12 ,I(θ)是删失观察的信息函数。此外 ,还建立了重对数律及θ^n 的r(≥ 2 )阶均方误差不等式。
- 王启华
- 关键词：重对数律随机删失MLE
