随机左截断数据下条件分位数的光滑经验似然推断

应用光滑的经验似然方法来构造随机左截断数据下条件分位数的置信区间． 在一定的条件下,证明了经验似然比统计量渐近服从自由度为1的卡方分布． 模拟数据表明,在构造条件分位数的置信区间时,经验似然方法比正态逼近方法效果更好．     

非线性模型的众数回归估计

本文应用众数回归方法来考虑非线性模型的估计时把调整参数当作常数, 在适当的条件下得到了估计量的 √n 收敛速度, 该结果改进了已有的众数回归估计(把调整参数当作变量)的结果. 本文还做了一定的模拟实验来证实众数回归估计的稳健性.     

可加稳定分量过程局部时的存在连续性

讨论可加稳定分量过程局部时的存在性和连续性,证明了在N>max1≤k≤N∑hl=1dlαlk条件下,N指标可加稳定分量过程X={X(t);t∈RN }a.s.存在关于时间变量t和空间变量x联合连续的局部时.     

可加稳定分量过程局部时的H(o)llder律

讨论可加稳定分量过程局部时的Holder律,并且分别得到了其局部和整体的Holder律:①设s0∈(0, ∞) N,则存在正的有限常数c1,使得对任意s>s0有:lilm supL((s-(r),s 〈r〉])/[rB-β(log|log r|)β]≤c1(a.s.)②设N>β,则存在正的有限常数c2,使得对任意T∈A,成立lim…sup.L(Q)/EA(Q) 1-β/N(|logλgA(Q)|)β]≤c2(a.s.)     

函数型数据下条件分位数的经验似然推断

针对函数型数据下条件分位数的区间估计问题提出应用经验似然方法来构造条件分位数的置信区间,并在适当的条件下得到了经验似然比统计量渐近服从χ~2(1).     

求解低秩密度矩阵约束最小二乘问题的优函数罚方法

本文应用优函数罚方法求解具有低秩密度矩阵约束的最小二乘问题. 首先用凸差方法处理非凸的低秩约束,并结合罚方法和优函数方法将原问题转化为一系列具有密度矩阵约束的凸优化问题,然后给出求解该优化问题的优函数罚方法,并对该方法进行收敛性分析. 之后,运用半光滑牛顿增广拉格朗日算法求解优函数罚方法的子问题. 最后,合成数据集和真实数据集上的数值结果表明了优函数罚方法有效地求解了具有低秩密度矩阵约束的最小二乘问题.