ND样本最近邻密度估计的相合性

利用ND序列的Bernstein不等式, 研究ND样本最近邻密度估计的相合性, 给出了弱相合性、 强相合性的充分条件, 所得结果将最近邻密度估计的相合性推广到ND样本.     

END序列下非参数回归模型估计的相合性与完全收敛性

研究误差为END序列的非参数回归模型未知函数估计量的极限性质.并利用END序列的Cr不等式,Rosenthal不等式以及权函数相关性质,证明其弱相合性与完全收敛性.     

NSD样本最近邻密度估计的相合性

利用负超可加相依(NSD)序列的Bernstein不等式和Borel-Cantelli引理, 给出NSD样本最近邻密度估计和失效率函数估计的(弱)强相合性、 一致强相合性和(一致)强相合速度.     

误差密度的相合估计

对于线性模型，误差序列，有未知密度函数ｆ（ｘ）．在对核ｋ（·）及Ｍ－估计中的ρ（·）施加非常弱的条件下，证明了ｆ（Ｘ）的核估计的弱相合、强相合和一致强相合性．其中：为β的Ｍ－估计．     

线性模型中误差分布的相合核估计

线性模型y_i=x′_iθ+e_i,i=1…n,的误差序列{e_i}_i~n=1有未知密度f(x),本文在一定条件下证明了f(x)的核估计的弱相合性,逐点强相合性,一致强相合性,其中(?)为L.S估计的残差.     

误差为AANA序列时非参数回归模型估计的相合性

研究了误差为AANA序列时非参数回归模型未知函数g(.)估计量的相合性问题,而AANA序列比NA序列要弱.在一般的条件下,利用Cr不等式、Jensen不等式、AANA序列的极大值不等式以及权函数的一些性质,给出了非参数回归模型未知函数g(.)估计量的p-阶平均相合性和一致p-阶平均相合性,推广了相关文献已获得的部分结果.     

NOD下VaR样本分位数估计的强相合性及其Bahadur表示

利用NOD样本的性质及其相关不等式,研究了在NOD序列情况下,风险度量VaR非参数估计量的性质.证明了VaR样本分位数估计的强相合性,同时也给出了VaR样本分位数估计的Bahadur表示.     

m-END误差下回归模型加权估计的相合性

m-END随机变量是一类很弱的负相依随机变量,它包含了NA随机变量、NOD随机变量和END随机变量。本文基于误差为m-END序列,研究非参数回归模型未知参数的加权估计,获得了加权估计的收敛性,包括矩相合性收敛速度和完全相合性收敛速度。作为应用,给出非参数回归模型未知参数近邻权估计的矩相合性收敛速度和完全相合性收敛速度。     

LNQD样本最近邻密度估计的相合性

本文在LNQD样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究了失效率函数估计的一致强相合性。     

误差是非参数AR(1)序列的变系数模型

利用局部线性方法给出误差序列{εi,1≤i≤n}是非参数AR(1)序列下的变系数模型系数函数的估计,并在此基础上研究了系数函数估计的相合性问题,给出了该模型系数函数估计是弱相合的.     

两类相依样本密度函数核估计的相合性

设{X_n,n≥1}为同分布的NOD随机序列或严平稳的m相依序列, f(x)为随机变量X₁的概率密度函数. 基于样本X₁,X₂,…,X_n, 利用Fourier变换及NOD列的性质和相关指数不等式, 研究密度函数f(x)的核估计, 在适当的条件下得到了[KG-*4]f(x)核估计的逐点强相合性、 r阶相合性及依概率一致收敛性.     

END随机变量加权和的强极限定理

END(extended negatively dependent)序列是一类非常宽泛的随机变量序列,它包括独立随机变量序列、NA(negatively associated)序列、NOD(negatively orthant dependent)序列等.利用END随机变量序列的Rosenthal型矩不等式,研究了END随机变量加权和的强极限定理,所得结果推广了独立变量和若干相依变量的相应结果.     

有关负二次相依与负正交相依随机变量若干结果的进一步探索

为了对负正交相依（NOD)和负二次相依（NQD）有一个深刻的理解，对NOD和NQD的性质以及它与负相协的关系做进一步探讨和论证，得出NOD条件下的部分和不等式及矩不等式。     

Rosenthal inequality for NOD sequences and its applications

Rosenthal inequality for NOD(negatively orthant dependent) random variable sequences is established.As its applications,two theorems of complete convergence of weighted sums for arrays of NOD random variables are given,which extend the corresponding known results.     

NOD随机变量阵列加权和的q阶矩完全收敛性的充要条件

利用矩不等式及截尾法,建立了权系数如a_(ni)≈(i/n)~β(1/n~p)的同分布NOD阵列加权和的q阶矩完全收敛性的充要条件,所得的结果推广了已有的结论。     

NOD序列部分和的大偏差

研究了NOD随机变量部分和的大偏差,其中S(n)=∑Xi,{Xn,n≥1} from (i=1 to n)是一个NOD序列,对任意的n≥1,Xn的分布记为Fn,其均值为μn=EXn<∞.在假定F∈D的条件下,给出了F∈D上NOD序列部分和的大偏差结果.     

ρ~-混合随机变量序列加权和的完全收敛性质

应用ρ-混合随机变量序列截断法、Hlder不等式、Markov不等式、Jensen不等式、Cr不等式及ρ-混合随机变量的Rosenthal型矩不等式,考察在没有同分布假设条件下,ρ-混合随机变量序列加权和的完全收敛性质,并利用Borel-Cantelli引理,给出ρ-混合随机变量序列加权和的Marcinkiewicz-Zygmund型强大数定律.     

关于凸序列一个不等式的推广

利用控制不等式理论证明关于凸序列的一个不等式,推广了文献[8]中的结果     

φ 混合序列滑动和过程回归模型的相合性

 在误差为φ-混合序列的滑动和过程下,研究了其回归模型估计量的相合性问题。在一般的条件下,利用Cr不等式、Jensen不等式、Hlder不等式、φ-混合序列的矩不等式及其权函数的一些性质,给出了此回归模型估计量的q 阶平均相合性和一致q-阶平均相合性,推广了已获得的部分结果。     

Exponential inequality for a class of NOD random variables and its application

In this paper,an exponential inequality for weighted sums of identically distributed NOD (negatively orthant dependent) random variables is established,by which we obtain the almost sure convergence rate of which reaches the available one for independent random variables in terms of Berstein type inequality. As application,we obtain the relevant exponential inequality for Priestley-Chao estimator of nonparametric regression estimate under NOD samples,from which the strong consistency rate is also obtained.