分布函數之反函數之核估計的模擬研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：6

、訪客IP：3.137.164.241

姓名

李世懿(Shih-yi Li) 查詢紙本館藏

畢業系所

數學系

論文名稱

分布函數之反函數之核估計的模擬研究
(A Simulation Study for Kernel Estimator of Inverse Distribution Function)

相關論文

★ 定點離散核估計	★ 密度函數核估計之差的極限分布及其應用
★ 密度函數的直接核估計與間接核估計	★ 前二階樣本動差之函數在m相關平穩過程上之統計推論
★ 平穩過程高階動差之極限分佈及應用	★ 統計模型參數和之估計
★ 隨機過程參數和之估計	★ 二組件組合產品之故障率的非母數估計
★ 穩定性密度函數之核估計	★ 柏努力條件下常態分布之參數估計
★ (X,Y)及max{X,Y}之分布及特徵函數之估計	★ 二維品質度量之直接與間接參數估計
★ 布朗運動之雙曲正弦與雙曲餘弦變換	★ 布朗運動及布阿松過程之變異數分析
★ 布朗運動之線性和二次動向函數的同值檢定	★ 兩個獨立的基本Lévy隨機過程之極值過程

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

分布函數為機率上重要的分析工具，其重要性不亞於機率密度函數及特徵函數。在統計上分布函數也有很多應用，令$F$表一分布函數，則$F^{-1}$可用於隨機變數之模擬及穩定型分布(stable distribution)之冪數(exponent)的估計。通常分布函數是未知的，必需用樣本估計。分布函數未知時，常用之分布函數的估計式為經驗分布(empirical distribution function)。本文之目的為研究$F^{-1}$的估計，但上述經驗分布卻因其反函數不存在，故不能直接運用。本文提出$F^{-1}(y)$之核估計式$widehat{F}^{-1}(y)$，因此式之機率性質非常複雜，故本文將以電腦模擬方式研究$widehat{F}^{-1}(y)$之漸近一致性(asymptotic consistency)及漸近常態性(asymptotic normality)。

摘要(英)

The inverse function of a distribution function has many applications in statistics. In practice, the inverse function is unknown and has to be estimated. The purpose of this paper is to discuss a kernel estimator $widehat{F}^{-1}(y)$ of the inverse function $F^{-1}(y)$ of a distribution function $F(x)$. Since the theoretical property of $widehat{F}^{-1}(y)$ is extremely complicated, we will investigate the asymptotic consistency and asymptotic normality of $widehat{F}^{-1}(y)$ via computer simulations.

關鍵字(中)

★ 分布函數之反函數
★ 核估計

關鍵字(英)

★ inverse distribution function
★ kernel estimator

論文目次

中文摘要...........................................i
英文摘要..........................................ii
致謝辭...........................................iii
目錄..............................................iv
1 簡介.............................................1
2 常態數據之模擬結果...............................5
3 柯西數據之模擬結果...............................8
4 羅吉斯數據之模擬結果............................11
5 模擬結果之比較..................................14
6 結論............................................15
參考文獻..........................................16
附錄一............................................18
附錄二............................................23
附錄三............................................28
附錄四............................................33

參考文獻

[1] 周宗翰(2007). 單峰穩定型分布之冪數的經驗分布及核密度函數估計法。中央大學數學研究所碩士論文。
[2] Alexander,K.S.(1984). Probability inequalities for empirical processes and a law of the iterated logarithm. Ann. probab.12,1041-1067.
[3] Bolthausen,E.(1978). Weak convergence of an empirical process indexed by the closed convex subsets of $I^2$. Z. Wahrsch. Verw. Gebiete,43,173-181.
[4] Chow,Y.S. and Teicher,H.(1997). Probability Theory. 3rd ed. Springer.
[5] Chung,K.L.(2001). A Course in Probability Theory. 3rd ed. Academic Press.
[6] Dahlhaus,R.(1988). Empirical spectral processes and their application to time series analysis. Stochastic Processes. Appl. ,30,69-83.
[7] Dudlry,R.M.(1978). Central limit theorems for empirical measures. Probab.6,899-929.
[8] Dudlry,R.M.(1984). Acourse on empirical processes. Lecture Notesin Math.1097,1-142. Springer, New York.
[9] Eddy,R.M. and Hartigan,J.A.(1977). Uniform convergence of the empirical distribution function over convex sets. Ann. Statist,5,370-374.
[10] Pettitt,A.N.(1979). Testing for bivariate normality using the empirical distribution function. Comm. Statist. A-Theory Methods,8,699-712.
[11] Prakasa Rao,B.L.S.(1983). Nonparametric Functional Estimation Academic Press.
[12] Shorack,G.R. and Wellner,J.A.(1986). Empirical Processes with Applications to Statistics.Wiley,New York.
[13] Silverman,B.W.(1986). Density Estimation for Statistics and Data Analysis. Chapman and Hall.
[14] Sorensen,H.(2002). Estimation of diffusion parameters for discretely observed diffusion processes. Bernoulli,8,491-508.
[15] Tapia,R.A. and Thompson,J.R.(1977). Nonparametric Probability Density Estimation. Johns Hopkins University Press.

指導教授

許玉生(Yu-sheng Hsu)

審核日期

2008-6-29

推文