广义误差样本最大值的收敛速度

研究了广义误差分布的收敛速度,得到了点点收敛速度.     

广义logistic分布的收敛速度(英文)

本文作者考虑了独立同分布情形下广义logistic分布和混合广义logistic分布最大值的渐进分布及其赋范常数,并得到了相应的最大值收敛到极值分布的点点收敛速度.     

大维样本协方差矩阵谱分布收敛速度的一个注记

提高了在有限八阶矩条件下,p×n维大维样本协方差矩阵谱分布收敛到Marcenko-Pastur分布的速度.特别,如果样本维数比率y=yn=p/n接近1,p×n维大维样本协方差矩阵谱分布的期望收敛到极限分布的速度,改进为O(n-1/6).相似在y接近1的条件下,依概率收敛和几乎处处收敛速度为Op(n-1/6)和Oa.s.(n-1/6).     

麦克斯韦分布最大值的高阶渐近展开

在最优赋范常数的条件下,研究了麦克斯韦分布规范化最大值分布的高阶渐近展开,得到了最大值分布的收敛到极值分布的逐点收敛速度.     

短尾对称分布的逐点收敛速度

短尾对称分布有着广泛的应用,Lin和Peng(2010)研究了短尾对称分布尾部特征.主要对短尾对称分布的逐点收敛速度进行了研究,得出在特定条件下,最大值的收敛速度为Δn(x)～Λ(x)e~(-x)/zlogn     

对数广义误差分布极值的收敛速度

对数广义误差分布在统计学中应用十分广泛.Liao等人（2012）对对数广义误差分布的尾部特征和最大值的极限分布做了研究;此处,在Liao等人研究的基础上,讨论了同服从对数广义误差分布独立随机变量序列最大值的收敛速度,得到它的逐点收敛速度.     

Linex损失下Pareto分布参数的EB估计：PA样本情形

在Linex损失下,讨论了Pareto分布参数的经验Bayes（EB）估计.利用同分布PA样本下概率密度函数的核估计构造了参数的经验Bayes估计,建立了所提出经验Bayes估计的收敛速度.在一定的条件下该收敛速度可以任意接近于1.     

Markov Binomial分布的收敛定理

设{X_i}是Markov Bernoulli随机变量序列,本文在一定条件下给出了sum from i=1 to X_i的收敛速度。     

关于Von—Mises的统计量渐近正态收敛速度的进一步讨论

本文讨论了Von-Mises统计量向正态逼近的一致收敛速度问题，在核函数仅满足二阶矩条件下，给出了上述收敛速度的上，下界，所得结果改进了[2]中相应结论。     

非参数回归模型误差分布的渐近理论

讨论了非参数回归误差分布的收敛速度、渐近正态性及重对数律。     

离散型随机变量序列最大值的收敛速度

设X1,X2,…,Xn是独立同分布离散型随机变量序列,Mn=max{X1,X2,…,Xn}.当n→∞时,(Mn-bn)/an的极限分布已知.然而,当离散分布的参数随着n而变化时,有可能得到它的非退化极限分布及其收敛速度.研究了3类离散型随机变量序列最大值的收敛速度.     

逆高斯分布的极值收敛速度

主要讨论了逆高斯分布的最大值分布渐近展开,得到最大值分布收敛到Gumbel分布的收敛速度.     

Pickands估计的强收敛速度

在本文中,我们建立了极值分布指数γ的Pickands估计γ^{^P}_n的ａ.ｓ.收敛速度。     

求解弹流压力分布的梯度——牛顿联合法

采用梯度法与牛顿法相结合的联合数值法,求出了弹流压力分布,且其收敛速度有明显提高,收敛性能明显改善。     

负二项分布参数估计的MM算法

同时求解负二项分布的参数的极大似然估计并不是一件容易的事情,该文利用Tian、Huang 和 Xu 提出的组装分解技术来导出负二项分布中关于未知参数的极大似然估计的MM算法迭代式,并给出该方法的收敛率的计算公式.随机模拟的结果表明的MM迭代结果收敛到其极大似然估计,并且随着样本容量的增加,估计的准确性和精确性以及估计的速度均有显著提高.     

改进粒子群算法及其在热连轧负荷分配中的应用

对一种已有的自适应算法进行了改进,并将该算法思想引入到粒子群算法的改进中,在种群进化到一定代数时按照改进自适应算法改变搜索范围的大小,实现了自动调整搜索范围、提高收敛速度和精度并可有效防止粒子群算法早熟收敛的目的,同时通过实验仿真进行了验证.将该改进粒子群算法应用到热连轧机精轧机组的负荷分配优化计算中,程序运行时间小于5s,满足实时性的要求,为其提供了一种更为有效的优化手段.     

伴随固定边值分布函数的弱收敛

得到了固定秩次序统计量和它的伴随次序统计量联合分布弱收敛的一个充分必要条件,同时给出了一组选定的伴随次序统计量的极大值的分布函数弱收敛的充分条件。