论文部分内容阅读
受侦测限影响的缺失数据是缺失数据的重要组成部分，这类数据的统计处理是环境工程，流行病学等学科非常感兴趣的一类问题.目前，这类缺失数据的主要处理方法是固定值借补与极大似然方法.由于固定借补会导致一定程度的偏，极大似然虽然理论完善，但通常计算速度较慢，且要求大样本容量，本文考虑了随机借补方法，并提出了两种新的借补方法。 第2章主要介绍了一些预备知识，包括对称分布，中位数，正态分布，对数正态分布的一些性质与相关证明。 第3章我们提出了2种新的借补方法：对称借补方法和分布借补方法.并分别在正态分布，t分布，均匀分布下，比较了固定值借补方法，对称借补方法，分布借补方法，极大似然方法四种方法下总体均值μ估计的区间覆盖概率与区间长度.模拟结果表明，用对称借补方法进行参数估计的实际覆盖概率较高，比固定借补方法构造的区间估计的区间长度也较小；其中对称借补方法表现更好，基于对称借补方法和分布借补方法得到的总体均值的置信区间的覆盖概率即使在大样本下也能与极大似然方法的相当，但其区间长度更小，此外其借补方法又快又简单。 对数正态分布在医学数据中较为常见.本文第4章将对称借补方法，分布借补方法扩展到对数正态分布的总体均值估计问题。 第5章应用对称借补方法与分布借补方法于带受侦测限缺失的一元线性回归模型和单向分类随机模型，比较了两种新方法，固定值填补方法，完全记录单元方法下参数估计的均方误差，结果显示对称借补方法和分布借补方法优于完全记录单元方法和固定值借补方法。