均值误差分布的随机加权逼近：误差为独立和的情况

对一种均模型研究了其均值误差分布的逼近问题，得到了比正态分布逼近精度更高的模拟分布。     

均值误差的随机加权分布的渐近展开—误差为独立和的情况

研究了一种均值误差分布的逼近问题，运用随机加权法给出了比正态逼近精度高的模拟分布。     

一类分布的随机加权逼近

研究了一类有渐近展开分布的逼近问题,应用随机加权法给出了比正态逼近精度更高的模拟分布．     

光滑经验分布函数的随机加权逼近

利用样条函数将分布函数光滑化,得到光滑经验分布函数,在一定的条件下,证明了光没经验分布函数随机加权逼近的相合性。     

关于Dirichlet L─函数的加权均值分布

利用Gauss和的定义、三角和估计及其解析方法讨论了Dirichlet L─函数的二次加权均值分布问题,得到一个有趣的加权均值分布的渐近公式。     

样本均值的一个新的随机加权逼近

对样本均值的误差分布，用随机加权法给出了精度为Ｏ（√ｌｎｌｎｎ／ｎ）的逼近分布。     

条件L泛函的随机加权逼近

本文讨论了条件L泛函 θ（χ）=integral from n=0 to 1 F~(-1)(y|χ)J(y)dy sum from j=1 to m a_jF~(-1)(p_j|χ)的随机加权逼近的渐近性。     

强平稳α—混合误差情形之下线性模型参数随机加权M—估计

在随机误差为强平稳α－混合情形，用随机加权的方法，得到线性模型参数Ｍ－的估计的弱表示和渐近分布，还讨论了线性假设Ｈ０：Ｈβ－γ的检验问题。     

随机加权逼近的再构造方法

对一般线性回归模型中有关参数估计分布的模拟问题,给出一种随机加权逼近的再构造方法。此法不仅形式简洁,直观意义强,对模型具有稳健性,而且还能适用于其它有关情形。     

密度核估计的随机加权逼近

本文对密度核估计的随机加权作了研究,在适当的条件下,证明了密度核估计的随机加权逼近的相合性。     

一类具有渐近正态的统计量的随机加权逼近

对一类具有渐近正态的统计量 ,找到了适用于它们的共同的随机加权逼近方法 ,并研究了它的相合性、一致及非一致逼近速度     

一元有限总体样本均值分布的随机加权逼近

对来自一元有限总的简单随机抽样样本,共均值分布采用随机加权逼近,从模拟方差的角度说明随机加权法在抽样调查中的可用性,得到了E|Vr*Dn-VarTn|=O(1/n)的良好结果。     

一类有渐近展开的分布的独立和逼近问题的新结果

研究了一类有渐近展开的分布的逼近问题，在一定条件下得到了比有关文献中精度更高的逼近分布。     

U-统计量的Edgeworth展开及其随机加权逼近

探讨了独立样本情形下U－统计量的分布的渐近展开，在较一般的条件下证明其Edgeworth展开的余项之误差可达到o(n^-1/2)，并构造精度为o(n^-1/2)的随机加权逼近。     

L─统计量的随机加权逼近的非一致性速度

任哲讨论了一类L─统计量的随机加权逼近的一致性速度,本文研究了其非一致性速度．     

Dirichlet L─函数的一次加权均值

利用Gauss和的定义、三角和估计及其解析方法研究了Dirichlet L─函数倒数的一次加权均值分布,得到一个有趣的加权均值分布的渐近公式。     

固定设计下半参数回归模型估计的随机加权逼近

考虑固定设计下的半参数回归模型:y_i=x_iβ g(t_i) e_i,i=1,…,n 对利用一般非多数估计法结合最小二乘法得到的参数分量β和误差方差σ~2的估计量(?)_n和(?)_n~2,本文用随机加权法构造了(?)_n和(?)_n~2的随机加权统计量H_(?)_n和H_(?)_n~2,并证明了在给定原样本的条件下,H_β_n和H_((?)_n~2)分别与n~(1/2)((?)_n-β)和n~(1/2)((?)_n~2-σ~2)有相同的渐近分布.     

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.     

多元AR(1)序列样本均值分布的随机加权逼近

考虑多元ＡＲ（１）模型样本均值分布的随机加权逼近问题,得到ｏ（ｎ＾－１／２）的最优精度,从而拓广了随机加权法的应用范围。