| 中文部分 | 第1-97页 |
| 中文摘要 | 第6-8页 |
| 英文摘要 | 第8-11页 |
| 第一章 绪论 | 第11-23页 |
| §1.1 两类复杂数据 | 第11-13页 |
| §1.1.1 混杂了同一个协变量的数据 | 第11-12页 |
| §1.1.2 含有异常值点的数据 | 第12-13页 |
| §1.2 协变调整模型 | 第13-16页 |
| §1.2.1 协变调整的线性模型 | 第13-14页 |
| §1.2.2 协变调整的非线性模型 | 第14-16页 |
| §1.3 投影深度函数,判别分析和最优估计方程 | 第16-23页 |
| §1.3.1 投影深度函数 | 第16-17页 |
| §1.3.2 异常值对于判别分析的影响 | 第17-18页 |
| §1.3.3 异常值对于最优估计方程的影响 | 第18-23页 |
| 第二章 协变调整的线性模型的另一种估计方法 | 第23-41页 |
| §2.1 引言 | 第23-24页 |
| §2.2 估计方法和渐近结果 | 第24-31页 |
| §2.3 数值模拟的研究 | 第31-32页 |
| §2.4 证明 | 第32-41页 |
| 第三章 协变调整的非线性模型 | 第41-61页 |
| §3.1 引言 | 第41-42页 |
| §3.2 点估计及其渐近行为 | 第42-45页 |
| §3.3 基于经验似然的置信域 | 第45-47页 |
| §3.4 模拟实验 | 第47-49页 |
| §3.5 应用 | 第49-51页 |
| §3.6 证明 | 第51-61页 |
| 第四章 推广的投影深度及其在判别分析上的应用 | 第61-75页 |
| §4.1 引言 | 第61-62页 |
| §4.2 推广的投影深度和新的判别准则 | 第62-64页 |
| §4.3 基于EPD的判别准则的稳健性质 | 第64-65页 |
| §4.4 基于EPD的判别准则的大样本性质 | 第65-67页 |
| §4.5 数值模拟的结果 | 第67-68页 |
| §4.6 证明 | 第68-75页 |
| 第五章 离散随机过程基于统计深度的最优稳健估计方程 | 第75-87页 |
| §5.1 引言 | 第75-76页 |
| §5.2 深度加权的估计方程 | 第76-78页 |
| §5.3 估计方程和估计量的稳健性 | 第78-79页 |
| §5.4 渐近结果 | 第79-81页 |
| §5.5 模拟例子 | 第81-83页 |
| §5.6 证明 | 第83-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-93页 |
| 攻读博士学位期间完成论文情况 | 第93-95页 |
| 作者简介 | 第95-96页 |
| 学位论文评阅及答辩情况表 | 第96-97页 |
| 英文部分 | 第97-206页 |
| Abbreviations | 第102-103页 |
| Abstract | 第103-106页 |
| 摘要 | 第106-108页 |
| Chapter 1 Introduction | 第108-122页 |
| §1.1 Two types of complex data sets | 第108-111页 |
| §1.1.1 Data that are confounded by one common covariate | 第108-109页 |
| §1.1.2 Data including outlying values | 第109-111页 |
| §1.2 Covariate adjusted regerssion model | 第111-114页 |
| §1.2.1 Covariate adjusted linear regerssion model | 第111-112页 |
| §1.2.2 Covariate adjusted nonlinear regerssion model | 第112-114页 |
| §1.3 Projection data depth functions,discriminant analysis and optimal estimating equations | 第114-122页 |
| §1.3.1 Projection data depth functions | 第114-116页 |
| §1.3.2 The impact of outliers on discriminant analysis | 第116-117页 |
| §1.3.3 The impact of outliers on optimal estimating equations | 第117-122页 |
| Chapter 2 An alternative estimation for covariate-adjusted linear regression | 第122-144页 |
| §2.1 Introduction | 第122-123页 |
| §2.2 Estimation and asymptotic results | 第123-132页 |
| §2.3 Simulation study | 第132-133页 |
| §2.4 Selected proofs | 第133-144页 |
| Chapter 3 Covariate-adjusted nonlinear regression | 第144-166页 |
| §3.1 Introduction | 第144-147页 |
| §3.2 Point estimation and asymptotic behavior | 第147-150页 |
| §3.3 Empirical likelihood-based confidence region | 第150-151页 |
| §3.4 Simulation study | 第151-153页 |
| §3.5 Application | 第153-156页 |
| §3.6 Proofs | 第156-166页 |
| Chapter 4 An extended projection data depth and its applications to discrimination | 第166-182页 |
| §4.1 Introduction | 第166-167页 |
| §4.2 Extended projection depth and new classifier | 第167-170页 |
| §4.3 Robust properties of EPD-based classifier | 第170-172页 |
| §4.4 Large sample properties of EPD-based classifiers | 第172-173页 |
| §4.5 Results on simulated examples | 第173-175页 |
| §4.6 Proofs | 第175-182页 |
| Chapter 5 Optimal robust estimation based on statistical depth for discrete stochastic processes | 第182-196页 |
| §5.1 Introduction | 第182-184页 |
| §5.2 Depth-weighted Estimating Equation | 第184-186页 |
| §5.3 Robustness of Equation and Estimation | 第186-188页 |
| §5.4 Asymptotic Normality of Estimation | 第188-190页 |
| §5.5 Illustrative examples | 第190-192页 |
| §5.6 Selected proofs | 第192-196页 |
| Bibliography | 第196-200页 |
| Acknowledgement | 第200-202页 |
| List of Publications during Study for the Doctorate | 第202-204页 |
| Curriculum Vitae | 第204-206页 |
| 学位论文评阅及答辩情况表 | 第206页 |
