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.     

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.     

NA样本下变方差模型估计的强相合性

考虑变方差回归模型Yi=g(ti) σiei,i=1,2 ,… ,n ,其中σ2 i=f(ui) ,(ti,ui)为非随机设计点列 ,g(·)和f(·)均为未知函数 .当随机误差ei 为NA变量时 ,讨论了 g(t)的一般加权估计 g^n(t)的一致强相合性 ,以及f(x)的 一般加权估计 f^n(u)的强相合性和一致强相合性     

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。     

固定设计下部分线性模型中小波估计的相合性

在固定设计下研究部分线性模型中回归参数β和回归函数g(t)的估计问题.利用小波光滑方法和最小二乘方法构造β和g(t)的小波估计,在适当的条件下,证明它们均具有强相合性和pp≥2阶平均相合性.     

m-WOD序列密度函数和失效率函数核估计的强相合性

设{Xn, n≥1}为一同分布的m 宽象限相依(m-WOD)序列, f_n(x),r_n(x)分别为密度函数f(x)基于样本X₁,X₂,…,X_n的核估计和失效率函数核估计. 在适当的假设条件下, 利用m-WOD序列的矩不等式和Borel Cantell 引理, 证明核密度估计及失效率函数核估计的强相合性和一致强相合性.     

m-WOD序列密度函数和失效率函数核估计的强相合性

设{Xn, n≥1}为一同分布的m 宽象限相依(m-WOD)序列, f_n(x),r_n(x)分别为密度函数f(x)基于样本X₁,X₂,…,X_n的核估计和失效率函数核估计. 在适当的假设条件下, 利用m-WOD序列的矩不等式和Borel Cantell 引理, 证明核密度估计及失效率函数核估计的强相合性和一致强相合性.     

固定设计下鞅序列回归函数的小波估计

对于非参数回归模型Yni=g(tni) εni(i=1,2,…,n),其中{tni}为固定设计点列,{εni}为鞅差序列或Lq-混合鞅下的平稳序列,该文建立了回归函数g(t)的小波估计并研究了其相合性、强相合性。     

NQD样本下非参数回归函数最近邻密度估计的强相合性

本文在样本为平稳的两两NQD的情况下得到了非参数回归函数m(x)的最近邻估计mn(x)的强相合性.在条件不变的情况下获得了与独立情形一样的mn(x)是强相合的充分条件.     

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.     

删失数据下NA样本核密度估计的相合性

在｛Xn;n≥1｝和｛Yn;n≥1｝是相互独立的同分布NA随机变量序列的情形下,研究了随机删失数据下概率密度函数的核估计,获得了此核估计的逐点强相合性和一致强相合性。     

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.     

鞅差误差下简单线性EV回归模型最小二乘估计的相合性

研究了误差为鞅差序列条件下的线性EV(errors-in-variables)回归模型.利用最小二乘估计方法对模型中β和θ进行估计,证明了估计量的强相合性和均方相合性,从而推广了线性EV回归模型已有的相关结论.     

一类位置不变的Hill型估计量的渐近性质

作者在正规变换条件下证明了一类位置不变的Hill型估计量强收敛速度和强相合性.     

PA样本非参数回归权函数估计的强相合性

在PA样本下，讨论非参数回归模型中权函数估计的强相合性及强一致相合性。     

PA样本下一般形式的密度估计

在PA样本下讨论一般形式密度估计的矩相合性和强相合性.     

关于随机截断下半参数回归模型中的相合估计的一点注记

文[1]研究了随机截断下半参数回归模型中的相合估计,但其强相合性的证明有些问题。本文给出了其强相合性的新的证明。     

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。     

ND样本最近邻密度估计的一致强相合性

设X1,X2,…,Xn是同分布的负相依(ND)样本,具有共同的密度函数f(x),利用相应的Bernstein不等式,将负相关(NA)样本最近邻密度估计的一致强相合性推广到ND样本,得到其最近邻密度估计的一致强相合性.     

混合误差下回归权函数估计的强相合性

目的研究混合误差下回归权函数估计的强相合性。方法讨论了-混合序列加权和的强收敛性。结果在适当的条件下,得到了混合误差下回归函数估计的强相合性。结论获得了权函数估计的大样本性质。