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

李世懿(Shih-yi Li)

指導教授 ： 許玉生

國立中央大學/理學院/數學系/碩士(2008年)

摘要

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)。

關鍵字

分布函數之反函數 ； 核估計

並列摘要

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.

並列關鍵字

inverse distribution function ； kernel estimator

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.

[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.