排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
考虑回归模型yi=xiβ+g(ti)+ei,1≤i≤n,g为R1上未知函数,β为p×1维待估参数向量.基于近邻权函数利用文献[1]中给出的方法建立了β和g的估计量βn,gn,并且证明了它们具有很好的大样本性质 相似文献
2.
研究污染线性模型 :yi=(1 -ε)xTiβ zi,1≤i≤n .设误差序列 {zi}是平稳的α 混合序列 ,fε(x)为其公共的未知密度函数 ,在假定Ez2 i<∞的情况下 ,讨论了基于残差的 fε(x)核估计的相合性及其收敛速度 .并构造了污染系数ε及回归参数 β的非参数估计 ,建立了估计量的强相合性及强收敛速度 . 相似文献
3.
考虑纵向数据的一般线性混合效应模型.在不设定误差和随机效应分布类型已知的情况下,给出了随机效应本身,回归系数和误差方程的估计量.并在一般设计点列和一般矩条件下,建立了估计量的强相合性和渐近正态性. 相似文献
4.
一、引言设{X_n}是乎稳、φ混合随机变量序列(例如见文献[1]),X_1的未知概率密度为f(x)。对每一n≥1,基于X_1,X_2,…,X_n,定义f(x)的核估计为 相似文献
5.
一般核下最近邻估计的一致收敛速度 总被引:1,自引:0,他引:1
§1.引言及主要结果 设X_1,…,X_n是来自某个具有分布F和密度f的一维总体的iid样本。为估计f,Loftsgarden和Quesenberry提出了如下方法:选定一个与n有关的自然数走k_n找最小的 相似文献
6.
考虑半参数模型Y=XTβ+g(T)+ε,其误差是i.i.d随机变量,具有公共未知密度f(t)。基于残差构造f(t)的小波估计^fm(t),在适当条件下,证明了该估计的弱相合、强相合、渐近正态性和收敛速度。 相似文献
7.
在非参数Bayes参数判别问题结全小波方法,给出了Bayes规则的小波估计,并在此基础上,建立了后验错判概率Ln与Bayes风险R的收敛关系及收敛速度。 相似文献
8.
利用最小二乘局部多项式方法建立了半参数回归模型参数分量、非参数分量和误差方差的局部多项式估计,在适当的条件下,得到它们的渐近正态性和最优收敛速度。 相似文献
9.
考虑如下的线性混合效应模型:.其中αi为随机效应部分,{εik}对同一i而言是平稳的α-混合序列.使用特征函数的方法估计了随机效应的密度函数以及模型的参数β,并研究了估计量的大样本性质. 相似文献
10.
讨论了一类截断数据,分析了以往截断数据分布函数估计的主要结果.在此基础上,提出了一个核估计方法,建立了分布函数的核估计量表达式,并在紧支撑等一定条件下,研究了估计量的渐近性质,并分别证明了估计量的强相合性及收敛速度.最后,给出了一个模拟计算的例子.结果显示,这种核估计方法是可行有效的. 相似文献