删失样本α混合序列递归核密度估计的一致强相合性及速度

在删失数据α混合序列下,用递归核密度估计改进密度函数,的窗宽固定的核密度估计量,并在一定条件下证明改进后的估计量fn的一致强相合性,并给出一致强相合速度;同时也得到与fn相应的风险率函数λ的估计量λn的一致强相合性及一致强相合速度．     

位置参数变点估计的收敛速度

对至多一个位置参数变点的模型,基于反对称核函数,运用累积和(cumulative sum,CUSUM)方法给出了变点的U统计量型估计量,并研究了变点估计量的相合性和收敛速度,同时也给出了局部对立条件下估计量的相合性.最后进行了不同样本容量和参数设置下变点估计的模拟分析,从直方图可以看出:变点位置越靠近中间位置,估计越精确.模拟结果显示所给出的估计量的有效性.     

WOD样本密度函数和失效率函数递归核估计的逐点强相合性

考虑同分布宽象限相依(WOD)随机样本未知密度函数的一类递归型密度核估计量.利用WOD序列的Rosenthal型不等式,在一定条件下证明了该估计量的逐点强相合性,并讨论了失效率函数估计的逐点强相合性.     

删失样本α混合序列递归核密度估计的逐点强相合性及速度

在删失数据α混合序列下,用递归核密度估计改进了f的窗宽固定的核密度估计量,并在一定条件下证明了改进后的估计量fn的逐点强相合性,并给出逐点强相合速度.     

基于截断数据分布函数的核估计

讨论了一类截断数据，分析了以往截断数据分布函数估计的主要结果．在此基础上，提出了一个核估计方法，建立了分布函数的核估计量表达式，并在紧支撑等一定条件下，研究了估计量的渐近性质，并分别证明了估计量的强相合性及收敛速度．最后，给出了一个模拟计算的例子．结果显示，这种核估计方法是可行有效的．     

加权平衡熵损失函数下Poisson分布参数的Bayes估计

首先, 基于平衡损失函数的形式, 给出一个加权平衡熵损失函数, 并将其应用到Poisson分布中, 得到了该损失函数下参数的Bayes估计. 其次, 在先验分布为Gamma分布的条件下, 给出估计量的显式表达式, 证明估计量的相合性, 并利用QQ图的方法检验估计量的渐近正态性.     

加权平衡熵损失函数下Poisson分布参数的Bayes估计

首先, 基于平衡损失函数的形式, 给出一个加权平衡熵损失函数, 并将其应用到Poisson分布中, 得到了该损失函数下参数的Bayes估计. 其次, 在先验分布为Gamma分布的条件下, 给出估计量的显式表达式, 证明估计量的相合性, 并利用QQ图的方法检验估计量的渐近正态性.     

基于平稳α-混合左删失数据众数核估计的渐近正态性

文章研究了基于平稳α-混合左删失数据下密度函数一阶、二阶导数的核估计及众数核估计,在一定的条件下获得了导数核估计量的强一致收敛性、收敛速度及众数核估计量的渐近正态性;同时给出了众数估计的置信区间,最后,通过数据模拟显示了主要结论的合理性.     

鞅差误差下纵向数据半参数模型的均方相合性

文章考虑了误差为鞅差序列下的纵向数据半参数回归模型,基于广义最小二乘法和非参数权函数方法分别给出了模型中未知参数β和未知函数g(.)的估计,在适当条件下,证明了β和g(.)估计量的均方相合性。     

随机缺失下半参数回归模型的最大经验似然估计

考虑了随机缺失数据下非线性回归模型的估计问题,利用最大经验似然估计的方法给出了回归系数、光滑函数的最大经验似然估计,并在一定条件下证明了所得估计量的渐近正态性和强相合性。