伍 麗，盧冬暉，李邦榮(湖北師范學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院，湖北 黃石 435002)

0 引言

文獻[1]根據(jù)偶然誤差的基本統(tǒng)計特性推導(dǎo)了偶然誤差的一般分布密度函數(shù)——p范分布.對于一元的情形，該分布由μ,σ和p三個參數(shù)確定。常用的退化分布、拉普拉斯分布、正態(tài)分布和均勻分布都是這一分布的特列(分別對應(yīng)于p→0,p=1,p=2和p→+∞).這些分布在生產(chǎn)實踐中有著大量的應(yīng)用，對于其優(yōu)良性質(zhì)都有大量研究.在缺失數(shù)據(jù)類型中有一種非常重要的形式，即為每次觀測時觀測值以一定的概率被觀測到，對于部分缺失數(shù)據(jù)指數(shù)分布、 poisson分布、幾何分布總體的統(tǒng)計推斷問題在一些文獻中已經(jīng)進行了較深入地討論[2～4].但對于p-范分布在缺失數(shù)據(jù)情況下的研究較少，本文利用具有部分缺失數(shù)據(jù)的總體統(tǒng)計推斷方法[5]，得到一元p-范分布的未知參數(shù)σ的極大似然估計，并證明了此參數(shù)極大似然估計具有強相合性和漸近正態(tài)性。

1 極大似然估計

定義1 均值為零(否則以ξ-Eξ代替ξ)的隨機變量ξ的密度函數(shù)為

下面在p已知的條件，用極大似然法估計未知參數(shù)σ，為此先介紹如下性質(zhì).

取對數(shù)得

對σ求偏導(dǎo)，并令之為0，得

有此得σp的極大似然估計為

從而由性質(zhì)1得

2 極大似然估計量的漸近性質(zhì)

為了證明以下結(jié)論，我們首先介紹3個引理．

證明 由強大數(shù)定律可知：

(1)

(2)

又有

由引理1有

證明 因為

則有

I1+I2

(3)

(4)

由(2)(4)或引理2知

I1→0a.s

(5)

由中心極限定理有

(6)

由(3)(5)(6)及引理2有

由引理3有

即

證畢.

注:本文僅對特殊的只含一個未知參數(shù)的一元p-范分布在缺失數(shù)據(jù)情況下，利用所觀測到的數(shù)據(jù)對總體參數(shù)進行了極大似然估計，并證明了它的強相合性和漸近正態(tài)性。但對于一般情況還有待進一步研究。

參考文獻:

[1]孫海燕.誤差分析的一般形式[J].武漢測繪科技大學(xué)學(xué)報,1993,18(3):49～56.

[2]Koskinen J H, Robins G L, Pattison P E.Analysing exponential random graph (p-star) models with missing data using Bayesian data augmentation[J].Statistical Methodology,2010,7(3): 366～384.

[3]Yang Y, Kang J.Joint analysis of mixed Poisson and continuous longitudinal data with nonignorable missing values[J].Computational Statistics & Data Analysis,2010,54(1):193～207.

[4]Yu Shun-zheng, Kobayashi H.A hidden semi-Markov model with missing data and multiple observation sequences for mobility tracking[J].Signal Processing,2003,83(2):235～250.

[5]Gupta R D, Kundu D.A new class of weighted exponential distributions[J].Statistics-A Journal of Theoretical and Applied Statistics,2009,43(6):621～634.

[6]孫海燕,胡宏昌. p-范分布及其抽樣分布[J].應(yīng)用概率統(tǒng)計,2003,19(4):424～428.

[7]Serfling R J.Apprvximatim Theorems of Mathematical Statistics[M].New York:John Wiley&Sons,1980.

[8]茆詩松,王靜龍,濮曉龍.高等數(shù)理統(tǒng)計(第二版)[M].北京：高等教育出版社,2006.