马尔可夫链二项模型矩估计的存在唯一性

本文研究｛０，１｝－状态马尔可夫链二项模型多数矩估计的存在性、唯一性和强相合性。     

m相依样本概率密度函数核估计的相合性

设｛Xn,n≥1｝为严平稳的m相依随机变量序列, f(x)为X₁的概率密度函数, 基于样本X₁,X₂,…,X_n, 构造了密度函数f(x)的核估计, 并利用独立同分布样本的性质证明了f(x)核估计的r阶平均相合、 逐点相合和一致强相合性.     

随机删失数据下核密度估计的相合性

在{Xi,i≥1}是α混合的随机变量,{Yi,i≥1}是独立同分布的随机变量,且Xi与Yi相互独立的情形下,研究随机删失数据下概率密度函数的核估计,获得此核估计的逐点强相合性和一致强相合性.     

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.     

ALNQD序列密度函数核估计的强相合性

设{X_n,n≥1}为一同分布的渐近线性负相依(ALNQD)序列,f_n(x)为密度函数f(x)基于样本X_1,…,X_n的核估计.在适当的假设条件下,利用ALNQD序列的矩不等式和Borel-Cantelli引理,证明核密度估计的强相合性、一致强相合性及r阶相合性.     

分布自由的密度核估计的强收敛

设（Ｘｎ，ｎ≥１）是Ｒ＾１中的平稳过程，具有公共的未知概率密度函数ｆ（ｘ），本文考察基于前ｎ个观测值Ｘ１，．．．Ｘｎ的ｆ（ｘ）的核估计ｆｎ（ｘ）的核估计ｆｎ（ｘ），在过程是ψ－混合或强混合的情形下，我们证明了ｆｎ（ｘ）的逐点强相合性和一致强相合性，并得到了ｆｎ（ｘ）的强相合性的收敛速度。     

混合样本下递推核估计的强相合性

讨论了φ混合下递推核估计及递推改良核估计的强相合性,其中的递推核估计中对φ混合速度要求比文献（１）中对φ混合的速度要求弱得多。     

平稳序列回归函数核估计的强收敛

本文在样本序列为平稳ψ－混合的情形下，证明了回归函数的核估计具有强相合性，并给出了它的强收敛速度。     

END样本下递归密度函数估计的相合性

同分布扩展负相依(extended negatively dependent, END)随机样本具有未知的概率密度函数。 在适当的条件下证明了一类递归密度函数核估计的强相合性和r-阶矩相合性。     

可加模型中低维分量近邻估计的强相合性

采用Linton & Nielsen(1995)提出的直接估计法,给出了可加模型分量的最近邻估计,并在应变量的一定的矩条件下,讨论了这种估计的强相合性及一致强相合性.     

PA误差下半参数回归模型估计的r-阶矩相合

对于半参数回归模型 Yni=β·tni+g(xni)+εni,1≤i≤n, 其中｛εni,1≤i≤n｝为PA相依误差,在适当的条件下, 得到未知回归函数g(x)和未知参数β估计量的r 阶矩相合性。     

B值m相依随机元列移动平均过程的随机指标中心极限定理

｛ε^t;t∈Z｝是均值为零、 二阶矩有限的B值m相依随机元列, ｛a^j; j∈Z｝是一实数序列, 定义移动平均过程X^t利用Beveridge Nelson分解及｛ε^t;t≥ 1｝的弱收敛定理, 给出｛X^t;t≥1｝ 满足随机指标中心极限定理的充分条件.     

非扩张映象带误差的Ishikawa迭代过程的收敛性

设D是赋范空间X的一子集,T:DX是一非扩张映射.给定D中序列{xn}和两个实数序列{tn}和{sn}满足: 0≤tn≤t<1和∑∞n=1tn=∞; 0≤sn≤1和∑∞n=1sn<∞; xn+1=tnT(snTxn+(1-sn)xn+vn)+(1-tn)xn+un,n=1,2,3,…,其中{un}和{vn}是两个在X中的可合序列,且limn→∞t-1n‖un‖=0.证明了若{xn}有界,则limn→∞‖Txn-xn‖=0.并给出了保证{xn}弱和强收敛到T的不动点时,关于D,X和T的条件.     

Polish空间上的概率测度所构成的空间

令Ｓ为Polish空间,Ｍ1（Ｓ）为其上所有的概率构成的空间,赋予Ｍ１（Ｓ）弱拓扑.设｛Ｘｎ｝ｎ≥１为一列Ｍ１（Ｓ）列值的随机变量,｛μｎ｝ｎ≥１为相应的一阶矩测度序列,那么当ｎ→∞时,若｛μｎ｝ｎ≥１在Ｓ上是指数胎紧的,则｛Ｘｎ｝ｎ≥１在Ｍ１（Ｓ）上是指数胎紧的.此外,当Ｓ局部紧时,如下的度量诱导出Ｍ１（Ｓ）上的弱拓扑：ｄ（μ,μ－）＝ｓｕｐｆ∈Ｆ｜μ（ｆ）－μ－（ｆ）｜,ｕ,ｕ∈Ｍ１（Ｓ）．其中F是S上α－Ｈｌｄｅｒ范数不超过某正常数的有界函数全体,α∈（０,１].     

Hilbert空间中严格伪压缩映射Mann迭代的一个收敛定理

设H是实Hilbert空间,K为H中的紧凸集,T:K→H为严格伪压缩映射,满足弱内向条件.本文给出的主要结论是:若{αn}为(0,1)中的数列满足控制条件∑∞n=1αn(1-αn)=∞,x1∈K,则Mann迭代序列{xn}强收敛于T的一个不动点,此结果改进了文献[1]的结论.     

Q-闭空间

在q-开集、q-覆盖的基础上给出一个新的概念-Q-闭空间.拓扑空间(X，T)称为Q-闭空间，如果对于X的每个q-覆盖｛Vα｜α∈I｝，存在一个有限子族｛Vαi｜i=1,2,…,n｝，它们的闭包的并集为X.     

φ混合序列自正则加权和的中心极限定理

设｛X_n, n≥1｝为一严平稳φ混合随机变量序列, EX=0,V²_n为一实数阵列, 利用随机变量阵列的弱收敛定理, 在较一般的条件下, 证明了自正则加权和｛S_n/V_n, n≥1｝的中心极限定理, 改进并推广了已有混合序列自正则化中心极限定理的相关结果.