最近邻预测问题中条件风险估计量的完全收敛性

设(X,θ)是随机向量,X∈R~d、θ∈R~1;(X_i,θ_i)是(X,θ)的i.i.d.随机样本,i=1,…,(?)bjL_n是平方损失下最近邻(NN)预测的条件风险.设是L_n的估计量,其中θ_(nj),是按训练样本(X_1,θ_1),…,(X_(j-1),θ_(j-1)),(X_(j+1),θ_(j+1)),…(X_n,θ_n)与观察到的X_j对θ_j所作的NN预测。众所周知,在一定的条件下,L_n→2R~*,α,s.,其中R~*是Bayes风险。本文得到了L_n的完全收敛速度,即在E|θ|~(2+δ)<∞(δ>0)及其它条件下证明了     

超有效估计的一个应用

当我们要检验H_0(总体分布属于某个给定的分布族)时,应用Kolmogorov 统计量一般不能获得大样本检验方案。然而,本文证明了当{F(x,θ),θ∈θ}是截断参数型分布函数族时,在较弱的条件下,应用未知参数适当的超有效估计所得的经验过程的渐近分布是Brownian bridge。这样,对于上述检验问题,应用与Kolmogorov统计量相类似的统计量可以构造出许多大样本检验方案。     

简单线性秩统计量的大偏差概率的一致收敛区间

设X_(1N),…,X_(NN)是相互独立的随机变量,它们的分布函数均连续,N=1,2,…。简单线性秩统计量的形状为其中C_(1N),…,C_(NN)是回归常数;a_N(1),…,a_N(N)是计分值;R_(iN)是X_(iN)在X_(1N),…,X(NN)中的秩。在一定的条件下,本文证明了S_N的大偏差概率的一致收敛区间为[0,o(N~(1/6-η))],其中η∈[0,1/6)。     

线性模型中误差方差估计的级数形式的收敛速度

设y_i=x_i′β e_i,i=1,…,n是一般线性模型,σ~2=Vare_i,记误差方差σ~2的估计量为δ_n~2,δ_n~2是残差平方和(除以适当的自由度)。假定试验误差e_1,e_2,…独立同分布。本文研究了δ_n~2的级数形式的收敛速率。