中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/65481
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 80990/80990 (100%)
造访人次 : 41739481      在线人数 : 1550
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/65481


    题名: 半母數經驗概似函數與 有母數強韌概似函數之權衡;Semi-parametric empirical likelihood versus parametric robust likelihood
    作者: 蕭維政;Hsiao,Wei-cheng
    贡献者: 統計研究所
    关键词: 經驗概似函數;強韌概似函數;強韌概似函數;Empirical likelihood;Robust likelihood;Misleading evidence
    日期: 2014-07-16
    上传时间: 2014-10-15 15:32:52 (UTC+8)
    出版者: 國立中央大學
    摘要: 經驗概似(empirical likelihood)函數為一種不需知道母體分配的概似函數。進一步調整後的經驗概似函數能在小樣本數或估計的參數個數過多時,更快的達到大樣本近似常態性質。同樣地,Royall and Tsou (2003) 提出的有母數的強韌概似函數也提供了不需母體分配假設下完整的統計推論。
    我們針對兩種概似函數做了通盤的比較,並說明上述有母數的強韌概似函數在各方面皆優於經驗概似函數。
    ;Empirical likelihood is a distribution-free approach that allows one to construct likelihood functions without knowing the true underlying distribution. Modification has been proposed to ensure that the large sample property is better achieved when sample size is not large or when there are many parameters. Alternatively, one can employ the parametric robust likelihood procedure proposed by Royall and Tsou (2003) to make likelihood inference under model misspecification.
    We give a thorough comparison between the two model-independent robust likelihood approaches and show that the method by Royall and Tsou (2003) is superior to the empirical likelihood in terms of various performance benchmarks.
    显示于类别:[統計研究所] 博碩士論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML565检视/开启


    在NCUIR中所有的数据项都受到原著作权保护.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明