随机删矢下半参数回归模型估计的相合性

首先给出ｇ（·）的一类核估计和β的最小二乘估计，然后证明它们具有强相合性．     

随机删矢下半参数回归模型的另一种估计

在ｘｉ 和ｔｉ 相互独立的假设下, 首先将半参数回归的模型变换成一个标准的线性模型, 利用最小二乘法得到β的估计,然后由残差得出ｇ（ｔ） 的估计, 最后证明它们具有强相合性     

基于双重近邻图的有监督流形学习算法

提出了一种有监督的流形学习算法,算法首先构建双重近邻图,即类内近邻图和类间近邻图,从而获得相应的类内邻接矩阵和类间邻接矩阵,并在LPP框架下构建最优的低维嵌入。人工合成数据和实际数据上的实验都表明了所提算法优于一些线性和非线性的嵌入算法。     

最大似然估计的相合性、渐近正态性及重对数律

设有样本｛Ｙｉ，Ｚｉ｝，ｉ＝１，２，…，ｎ，其中：Ｙｉ＝ｍｉｎ（Ｘｉ，Ｔｉ），Ｚｉ＝Ｉ（ＸＩ≤Ｔｉ）．假定Ｘ１，Ｘ２，…，Ｘｎ相互独立，有共同的分布函数ＦＸ（ｘ）＝１－ｅ－αＱ（βｘ），Ｔ１，Ｔ２，…，Ｔｎ相互独立，分布函数分别为Ｇ１（ｔ），Ｇ２（ｔ），…，Ｇｎ（ｔ）本文给出参数（α，β）的最大似然估计具有相合性、渐近正态性及重对数律的一个充分条件，然后验证Ｌｏｍａｘ分布满足该条件     

截断数据的线性回归模型

设有线性回归模型：ｙｉ＝α＋βｘｉ＋εｉ，只能观察到（ｚｉ，δｉ），其中ｚｉ＝ｍｉｎ（ｙｉ，ｔｉ），δｉ＝Ｉ（ｙｉ≤ｔｉ），ｉ＝１，２，…，ｎ．本文讨论了｛ｔｉ｝独立不必同分布条件下，β的估计以及它的相合性和渐近正态性     

半参数回归模型在随机删矢下的估计

首先给出半参数回归模型在随机删矢下的估计，然后证明他们的强相合性．     

分组与删矢数据下对数正态分布的最大似然估计

讨论产品寿命服从对数正态分布 ,观察数据分组与可能删矢的条件下 ,最大似然估计的存在性