m-END误差下回归模型加权估计的相合性

m-END随机变量是一类很弱的负相依随机变量,它包含了NA随机变量、NOD随机变量和END随机变量。本文基于误差为m-END序列,研究非参数回归模型未知参数的加权估计,获得了加权估计的收敛性,包括矩相合性收敛速度和完全相合性收敛速度。作为应用,给出非参数回归模型未知参数近邻权估计的矩相合性收敛速度和完全相合性收敛速度。     

LNQD样本最近邻密度估计的相合性

本文在LNQD样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究了失效率函数估计的一致强相合性。     

可加模型中低维分量近邻估计的强相合性

采用Linton & Nielsen(1995)提出的直接估计法,给出了可加模型分量的最近邻估计,并在应变量的一定的矩条件下,讨论了这种估计的强相合性及一致强相合性.     

PA样本下一般形式的密度估计

在PA样本下讨论一般形式密度估计的矩相合性和强相合性.     

END样本下递归密度函数估计的相合性

同分布扩展负相依(extended negatively dependent, END)随机样本具有未知的概率密度函数。 在适当的条件下证明了一类递归密度函数核估计的强相合性和r-阶矩相合性。     

ND样本最近邻密度估计的相合性

利用ND序列的Bernstein不等式, 研究ND样本最近邻密度估计的相合性, 给出了弱相合性、 强相合性的充分条件, 所得结果将最近邻密度估计的相合性推广到ND样本.     

固定设计下鞅序列回归函数的小波估计

对于非参数回归模型Yni=g(tni) εni(i=1,2,…,n),其中{tni}为固定设计点列,{εni}为鞅差序列或Lq-混合鞅下的平稳序列,该文建立了回归函数g(t)的小波估计并研究了其相合性、强相合性。     

固定设计下部分线性模型中小波估计的相合性

在固定设计下研究部分线性模型中回归参数β和回归函数g(t)的估计问题.利用小波光滑方法和最小二乘方法构造β和g(t)的小波估计,在适当的条件下,证明它们均具有强相合性和pp≥2阶平均相合性.     

ALNQD序列密度函数核估计的强相合性

设{X_n,n≥1}为一同分布的渐近线性负相依(ALNQD)序列,f_n(x)为密度函数f(x)基于样本X_1,…,X_n的核估计.在适当的假设条件下,利用ALNQD序列的矩不等式和Borel-Cantelli引理,证明核密度估计的强相合性、一致强相合性及r阶相合性.     

极值指数之矩估计量的推广

对极值数之矩估计量作了进一步的推广，并证明了其强、弱相合性。     

Hilbert K＿模上紧框架的收敛与估计

研究Hilbert K＿模上紧框架的內积组成的级数的收敛性问题和紧框架的估计问题,得到了一些很有意义的结论,尤其是双边不等式的获得,对收敛性给出实例加以说明.     

关于二项分布参数经验Bayes估计的收敛速度的一点注记

证明了二项分布参数的两个经验Ｂａｙｅｓ估计的收敛速度的上下界均为Ｏ（ｎ－１）的阶，并指出该收敛速度是最好的．这个结论是对Ｌｉａｎｇ（１９８９）的结果的改进．     

解极小极大问题的熵函数法

提出了一类解极小极大问题的熵函数法,这种方法也可用来解线性或约束优化问题,在一定条件下,给出了解收敛性和误差估计,最后给出了几个数值例子,表明本文提出方法的有效性。     

并行多分裂块松弛TOR迭代算法的收敛性

 分析了求解大型线性方程组的并行多分裂块松弛TOR迭代算法,在更弱的条件下得到了该算法的收敛准则,同时也给出了相应块迭代矩阵谱半径的上界估计式.     

Szász算子的收敛速度的估计

本文对[1]及[2]中所给的概率型算子Szász算子S_n(f,x)的收敛速度的估计在Poisson分布下作进一步的改进,得到更精确的系数估计。     

系数为迭代级整函数的高阶线性微分方程的复振荡

研究具有迭代级整函数系数的高阶线性微分方程解的增长性和零点问题.当存在某一系数起主导作用时,得到方程解的迭代级和迭代零点收敛指数的估计,推广了已有的结论.     

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.     

空间L~p(Ω)中强收敛和弱收敛的一些判别方法

考虑勒贝格控制收敛定理的应用和强收敛的充分必要条件问题,运用由勒贝格控制收敛定理导出的近代新结果,对一些古典结果的证明方法给予了新的简化处理,给出了强收敛的充分必要条件判别定理.     

关于交错级数的一个审敛准则

关于交错级数的敛散性判定,给出了一个新的审敛准则,推产了文献[1,2]关于交错级数审敛准则,并选择实例对给出的审敛准则的可行性进行检验.     

迭代法收敛速度的比较

在全面介绍迭代法的收敛性的基础上，介绍了牛顿迭代法的收敛性和弦截性的收敛法，并对基本迭代法、牛顿迭代法和弦截法的收敛速度进行了比较，经比较看出，同样的问题，弦截法的收敛速度比一般迭代法要快得多，与牛顿迭代速度相近，也是比较快的。最后指出，在以电子计算机为数值计算工具的今天，必须研究适合于计算机运算的数值计算方法的收敛速度。收敛速度的快与慢，是评判谊种收敛法适用与否的一项重要指标。因此用何种方法来解决实际应用问题显得尤为重要。