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.     

粗糙核多线性分数次极大算子和积分算子的双权估计

利用嵌入定理,得到了一类二进格多线性分数次极大算子的双权估计,同时得到了带粗糙核的多线性分数次极大算子和积分算子的双权估计,是原有结论的推广.     

基于高斯核函数的短时交通流量预测

交通出行在人们的生活中占据了重要的地位,准确、短时交通流量预测有助于实现交通控制.本文采用基于高斯核函数的Nadaraya-Watson估计方法对短时交通流量进行了预测.以所选取路段的车流高峰时段为研究对象,根据当前时刻的车流量对下一时刻的流量值进行预测,其中相邻两时刻的时间间隔为5分钟;就所选的高斯核函数而言,根据试凑法,选定核函数带宽为8.结果表明,该方法的预测效果良好,其均等系数为0.996545243,达到了很好的预测效果.     

条件密度随机窗宽双重核估计的相合

在统计估计及检验中,有时涉及到基于样本(X_1,Y_1),…,(X_n,Y_n)直接估计未知条件密度f(yx)的不少参数方法,而双重核估计就是较常用的一种.许多学者已讨论了f(yx)的双重核估计量f_n(yx)的相合性及收敛速度,但从应用角度来看,此估计量仍有不便之处.在密度估计的情形,Devroye提出了“自动选择窗宽”核估计的概念,即窗宽完全由样本确定.本文推广这种思想于上述估计量,讨论其一致强相合性,并作为应用,顺便得到其“近邻估计”的强相合性.     

基于平稳α-混合左删失数据众数核估计的渐近正态性

文章研究了基于平稳α-混合左删失数据下密度函数一阶、二阶导数的核估计及众数核估计,在一定的条件下获得了导数核估计量的强一致收敛性、收敛速度及众数核估计量的渐近正态性;同时给出了众数估计的置信区间,最后,通过数据模拟显示了主要结论的合理性.     

积域上沿多项式曲线的奇异积分算子的Lp有界性

利用Littlewood-Paley理论和Fourier变换估计方法,减弱了奇异积分算子积分核的尺寸条件,得到了该积分算子的Lp(1/(1-β)相似文献   

半参数广义线性模型的矩估计及其渐进性

针对概率统计中的半参数广义线性模型(SGLMS),利用了正交空间、核函数、正交计算方法及独立随机分布的概念和性质,研究了广义线性模型中未知参数的估计问题,给出了回归参数的矩估计方法及其相应的性质,给出了参数估计量为一致有效性和近似正态性的充分条件,并证明了参数估计量是一致有效性和近似正态性的结论.所给出的回归参数的矩估计方法推广了已有文献中要求参数完全已知的假设,因此该方法和结果更具有一般性和理论价值.     

AANA误差下非参数回归函数积分权核估计的相合性

【目的】在误差为AANA序列的条件下,对Gassor和Müller提出的一类非参数回归函数积分权核估计进行研究。【方法】利用截尾方法和AANA序列的指数不等式进行研究。【结果】得到了非参数回归函数积分权核估计的P阶矩相合性、强相合性和完全相合性,通过数值模拟来验证结果的有效性。【结论】该结果推广和拓展了已有的相关结论。     

WOD样本下密度函数核估计的收敛性

设{X_n,n≥1}为同分布的WOD随机序列,f(x)为共同的概率密度函数。利用WOD序列的Rosenthal-型矩不等式和Bernstein-型指数不等式,对密度函数f(x)的核估计进行了探讨,在适当条件下得到了核估计的r阶相合性、逐点强相合性和依概率一致收敛性。     

基于非参数核回归模型的隐含波动率预测

采用非参数核回归的方法,以市场上的期权数据为分析对象,将隐含波动率看作是与执行价格、剩余期限相关的函数,对其进行建模.构建双窗宽Nadaraya-Watson高斯核回归模型和Parzen-窗均匀核回归模型,与已有的参数模型和Bourke模型进行实验对比.实验结果表明,Parzen-窗均匀核回归模型的隐含波动率预测精度更高、效果更好,大样本的情况下优点更显著.     

核密度估计的随机加权逼近

目的 证明核密度估计随机加权逼近的有效性.方法 用随机加权法对核密度进行估计.结果 在适当的条件下,(√nhn)(Hn(x)-fn(x))和(√nhn)(fn(x)-f(x))对几乎所有的样本序列X1,X2…具有相同的极限分布,同时,得到了随机加权逼近的收敛速度.结论 用随机加权法对核密度进行估计是可行的.     

核密度估计的中偏差

在一些正则性条件下，使用Gaer-Ellis定理和尾概率估计的某些技巧，得到了核密度估计在点态和一致范数下的两个中偏差定理。     

密度核估计的随机中心极限定理

密度的核估计在统计中有着重要的应用.文章利用特征函数理论,得到了密度核估计的随机中心极限定理.利用Berry-Esseen估计得到了此中心极限定理的收敛速度.最后,给出了两个例子.     

一元三角插值序列的线性求和问题

通过对Fourier部分和做适当的构造,可得到一致收敛的求和算子,而求和因子法是一种行之有效的方法被广泛使用.但是一般文献中利用的求和因子法构造的算子在使用上具有很强的约束性.基于求和因子法和Fourier级数与等距结点上的三角插值多项式的相似性,对一些不能一致收敛的一元三角插值算子进行新的相关构造,得出一类一致收敛的一元Fourier部分和算子和离散的一元Fourier部分和算子,给出了它们收敛阶的估计,得到该类算子的饱和阶.并且推广了一些文献中的结论,并且本文给出的方法更具有一般性.     

NA样本下分布函数估计的联合渐近分布

研究了NA样本下分布函数的核估计在有限个不同点上的联合渐近分布,证明了该分布为多维正态分布,从而将分布函数的核估计从单点推广到多点,扩大了分布函数核估计的应用范围.     

单函数指标非参数回归估计的一致几乎完全收敛

文章研究了单函数指标非参数回归模型的估计问题,利用Kolmogorov熵的方法,基于时间序列函数型数据,在α混合相依序列下,获得了模型中非参数回归函数算子核估计的一致几乎完全收敛及其收敛速度,推广了现有文献中的相关结果。     

基于核方法的Copula函数的估计

介绍了Copula函数的基本定义和性质以及非参数统计中的核估计方法,运用核估计方法来估计Copula函数,应用核估计的性质证明了估计出的Copula函数是真实Copula函数的一致强相合。     

矩阵测度及泛函微分方程关于部分变元的一致最终有界性

本文利用矩阵测度研究了拟线性泛函微分方程关于部分变元的一致最终有界性.通过借助一个推广的拟线性泛函微分方程解的估计,我们得到了一类较广泛的关于部分变元为一致最终有界的充分条件.     

NA列的密度估计的相合性和中心极限定理

该文给出了NA序列的密度核估计的均方相合性和强相合性,并对强平稳NA序列,在一定的条件下,得到了NA序列的密度核估计的中心极限定理.     

多线性Marcinkiewicz算子在变指数Herz-Morrey空间上的有界性

研究了多线性Marcinkiewicz算子在变指数Herz-Morrey空间上的有界性,也是经典Marcinkiewicz算子在变指数Herz-Morrey空间上的推广.使用特征函数和空间分解原理,将算子分为4个部分,核函数所满足的尺寸条件,对算子进行估计,得到算子在变指数Herz-Morrey空间上的有界性.