缺失数据下的广义线性模型

前言第1章 准备工作1.1 大数定律和中心极限定理1.2 重对数律与中偏差1.3 基本工具1.4 截断数据类型第2章 不完全信息和随机截尾的广义线性模型2.1 广义线性模型介绍2.2 不完全信息和随机截尾的广义线性模型第3章 不完全信息随机截尾广义线性模型的极大似然估计的相合性与渐近正态性3.1 记号与引理3.2 不完全信息随机截尾广义线性模型的极大似然估计的相合性与渐近正态性第4章 不完全信息随机截尾广义线性模型的极大似然估计的重对数律4.1 若干条件与记号4.2 不完全信息随机截尾的广义线性模型的重对数律与Chung型重对数律4.3 若干引理及定理的证明第5章 随机回归变量情形下不完全信息随机截尾广义线性模型5.1 随机回归子情形下的似然函数5.2 若干引理5.3 若干假设5.4 随机回归子情形下随机截尾模型的极大似然估计的渐近性5.5 具有随机回归子的多维广义线性模型的渐近性第6章 非自然联系情形下广义线性模型的拟极大似然估计6.1 拟似然函数6.2 拟极大似然估计的相合性与渐近正态性6.3 拟极大似然估计的重对数律6.4 自适应拟似然估计第7章 独立不同分布情形的极大似然估计的中偏差7.1 记号与准备7.2 独立不同分布情形下极大似然估计的中偏差7.3 极大似然估计的中偏差7.4 不完全信息随机截尾广义线性模型的极大似然估计的中偏差参考文献

《缺失数据下的广义线性模型(现代数学专著版)》编著者肖枝洪、程新跃。　　本书主要讨论不完全信息随机截尾的广义线性模型的极大似然估计的存在性、渐近正态性和相合性；同时讨论一般情形下的广义线性模型的拟极大似然估计的重对数律以及独立不同分布样本下的极大似然估计的中偏差，并将这个结果应用于不完全信息随机截尾的模型中。《缺失数据下的广义线性模型(现代数学专著版)》的内容除第1章为准备知识的介绍外，主要由三部分组成：第一部分包括第2章、第3章、第4章和第5章，主要讨论缺失数据下广义线性模型的极大似然估计的存在性、渐近正态性、相合性及重对数律；第二部分为第6章，主要讨论一般隋形下广义线性模型的拟极大似然估计的相合性、渐近正态性、自适应性和重对数律；第三部分为第7章，讨论独立不同分布样本下的极大似然估计的中偏差。　　本著作的内容是统计学中比较深刻的结果，也是统计学中比较新的结果，将会对对此方面感兴趣的读者有一定帮助。