混合序列密度函数核估计的相合性

设{X_n,n≥1}是一随机变量序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了ρ-混合和φ混合序列核密度估计的强相合性、r阶相合性.     

相依样本下回归函数核估计的强相合性

在一定条件下得到了样本平稳ρ-mixing下非参数回归函数改良核估计的强相合性,所得结果对混合速度的要求要比样α-mixing,ψ-mixing本相依下对混合速度的要求来得弱．     

α-混合下回归函数基于分割的改良递推估计的强相合

对回归函数基于分割的改良递推估计的概率极限性质进行研究,利用Borel-Cantelli引理和Bernstein不等式,在(几何)α-混合样本下证明了该估计的强相合性。     

ρ-混合相依下回归函数小波估计的相合性

考虑非参数回归模型：Yi = g（ti） ＋ ei （ 1≤ i ≤ n）。其中{ti}是固定设计点列,g（＊）是未知回归函数。令{ei}是ρ-混合相依平稳序列,在比较一般的条件下,研究了未知回归函数g（＊）小波估计的r阶平均相合性以及强相合性。     

相依样本下回归函数之改良核估计的强相合性

本文在样本序列为同分布Φ-混合的情形下讨论了回归函数之改良核估计的强相合性,同时也给出了强收敛速度。     

^-φ混合序列样本回归函数估计的强相合性

在较简洁的条件下讨论了^-φ混合序列加权和的完全收敛性,推广了已有的结论,作为应用,给出了^-φ混合序列样本回归函数的一个强相合估计。     

混合误差下回归权函数估计的强相合性

目的研究混合误差下回归权函数估计的强相合性。方法讨论了-混合序列加权和的强收敛性。结果在适当的条件下,得到了混合误差下回归函数估计的强相合性。结论获得了权函数估计的大样本性质。     

强混合误差下回归函数小波估计的渐近正态性

文章讨论异方差非参数回归模型,在随机误差序列{ei,i≥1}为α-混合情形下,建立了回归函数g(.)的小波估计,并得到了该估计的渐近正态性,这些结果推广了梁汉营等人(2007年)在NA情形下的结论.     

φ—混合下回归函数改良核估计的一致强相合速度

考虑非参数回归模型Yi=r(Xi)+εt,1≤i≤n,(Xi,Yi)是ψ-混合的随机变量,取值于R×R,且(Xi,Yi)d＝(X,Y),考虑回归函数r(x)=E(Yi|Xi=x)的改良核估计的一致强相合速度.在与独立随机变量情形Nadaraya-Watson估计的结论相近的条件下,达到了回归函数估计的一致最优速度.     

LPQD序列密度函数核估计的相合性

设{X_n,n≥1}是一LPQD序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了核密度估计的强相合性、r阶相合性.     

φ-混合下回归函数改良核估计的一致强相合速度

考虑非参数回归模型Yi=r(Xi) εi,1≤i≤n ,(Xi,Yi)是 φ -混合的随机变量 ,取值于R×R ,且 (Xi,Yi)d=(X ,Y) ,考虑回归函数r(x) = (Yi｜Xi=x)的改良核估计的一致强相合速度 .在与独立随机变量情形Nadaraya -Watson估计的结论相近的条件下 ,达到了回归函数估计的一致最优速度     

强混合误差下回归函数小波估计的渐近正态性

文章讨论异方差非参数回归模型,在随机误差序列{ei,i≥1}为α^-混合情形下,建立了回归函数g（·）的小波估计,并得到了该估计的渐近正态性,这些结果推广了梁汉营等人（2007年）在NA情形下的结论．     

α混合下非参数回归函数基于分割估计的强相合性

文章在样本序列(X1,Y1),(X2,Y2),…,(Xn,Yn)取值于Rd×d1上同分布的α混合随机向量序列的情形下,研究了非参数回归函数m(x)=E(Y|X=x)基于分割估计的强相合性。     

ψ—混合序列密度估计的强相合性

在较弱的条件下证明ψ－混合序列密度的核估计的强相合性，此结论包含了独立情形下的最优结论。     

ρ～混合误差下回归函数的小波估计

研究了误差为ρ～混合平稳序列时,固定设计下非参数回归模型的小波估计.在适当的条件下得到了估计的渐近无偏性、均方相合性、强相合性.     

PA序列下半参数回归函数估计的强相合性

对于半参数回归模型Yni=β.tni＋g（xni）＋εni,（1≤i≤n）,在误差{εni,1≤i≤n}为平稳PA相依序列条件下,得到未知函数g（x）的权函数估计和未知参数β估计的强相合性.     

ρ—混合差下回归函数估计的渐近正态

设Ｙ１,Ｙ２,…,Ｙｎ是固定点ｘ１,ｘ２,…ｘｎ的ｎ个观察值,适合模型Ｙｉ＝ｇ（ｘ１）＋ε１,１≤ｉ≤ｎ,在（εｉ）为ρ－混合误差下讨论了Ｐｒｉｅｓｔｌｅｙ等人提出的一类非参数回归函数加权核估计的渐近正态性,在较弱条件条件下,通过对统计量分块的方法,证明了估计量的渐近正态性。     

m（n）相依样本回归函数改良近邻估计的强相合性

研究同分面ｍ（ｎ）相依样本序列回归函数改良近邻估计的强相合性，同时给出改良近邻估计的强收敛速度。