α一混合相依函数型数据改良核回归估计的渐近正态性

文章对回归模型y=r(X)+ε进行了研究.设{(X1,Y1),1≤i≤n}为取值于E×R上的一组同分布样本,其中E是由半度量d(·,·)生成的某个抽象的半度量空间,R是一个实数空间.在α-混合相依情形下,利用Bernstein大块小块过程,建立函数型数据的改良核回归估计的渐近正态性.     

相依函数型数据递推改良核回归估计的收敛性

研究了基于相依函数型数据非参数回归函数算子的估计问题,构造了非参数回归函数算子递归改良核估计,利用非参数函数型渐近理论,对估计量进行分解,建立了其递归改良核估计在α-混合相依函数型数据下的几乎完全收敛性及其收敛速度,推广了现有文献中的相关结果.     

混合相依过程局部多项式加权回归估计渐近正态性的进一步结果

对相依时间序列数据，在一定的条件下已有人证明了局部多项式加权回归系数估计服从渐近正态分布，其中核函数是有界的。但在非线性相依过程（如ρ－混合过程和强混合过程）中，当数据之间的相依程度较大时，这种核函数便失去其合理性，作者在更广泛的核函数空间上考虎了这个问题，在适当的条件下得出了同样的结果。     

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.     

关于回归函数的核估计的渐近正态性

研究了回归函数的核估计的渐近性质。证明了在一定条件下、回归函数的核估计序列是渐近正态的。     

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.     

扩散模型复合分位回归估计的渐近正态性

主要研究扩散模型中漂移函数的复合分位回归估计的渐近正态性.基于离散观测样本,利用复合分位回归的方法得到了漂移参数函数的局部估计量,并证明了估计量的渐近正态性.     

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．     

递推密度核估计的渐近正态性

本文证明了递推形式的密度核估计在有限个不同点上联合分布的渐近正态性，同时也给出了密度核估计的相应结果。     

混合误差下回归函数小波估计的渐近正态性

研究了误差为混合序列时,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正态性.     

ψ—混合样本密度估计的渐近正态

在较弱的条件下证明了ψ－混合样本密度核估计的渐近正态性，此结论较好地改进了林正炎所获的结论。     

相依样本下回归函数分割估计的渐近正态性

在一种相依样本下,利用鞅的理论证明了回归函数基于分割的估计ma（x）=∑i=1^n IAn（x）（Xi）Yi/∑i=1^n IAn（x）（Xi）渐近正态性,其中IA（x）为集合A的示性函数。给出了相关定理：在一定的假设条件下,Xi具有密度函数f（x）,E｜Y｜^2＋δ 〈∞,EV^2＋δ〈∞,x∈R^d为固定点,nvn^2→∞,则√nvn（m4x（x）-m（x））→L N（0,σ^2）,n→∞.     

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。     

删失相依数据下的分位数核估计的Bahadur型表达

该文考虑了在删失相依数据下分位数函数的核估计.在适当条件下,建立了该估计的弱和强Bahadur型表达形式.作为它的应用,导出了该估计的渐近正态性.通过模拟给出了该估计在有限样本下的表现.     

截尾样本下非参数回归函数改良分割估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R1的总体(X,Y)中抽出的一个i.i.d样本E|Y|＜∞.文章在简洁的条件下,利用截尾数据的性质和鞅的有关理论,证明了非参数回归函数改良分割估计的渐近正态性.     

基于混合正态核函数的蚂蚁矿工算法

为了提高蚂蚁矿工算法处理连续属性的性能,采用混合正态核函数处理连续属性,使蚂蚁矿工算法能够处理具有连续与离散混合域的数据集.通过分析表明,混合域蚂蚁矿工算法有更高的准确率,能产生更简洁的规则.     

ρ-混合误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(xi)+ εi,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;在较弱条件下,通过对统计量分块的方法,证明了估计量的渐近正态性     

关于回归函数核估计的联合渐近正态性

用核估计误差分解方法,在较弱条件下,就一般情况给出了简捷的证明,同时文后讨论了所得结果与Schuster([2])强条件结果之间的联系.     

污染数据半参数模型估计的渐近正态性

对固定设计下的污染数据半参数模型估计的渐近分布进行了研究,并在一定条件下证明了该估计具有渐近正态性.     

逆自相关函数G—谱估计的渐近正态性

本文证明了自回归滑动平均序列ARPA(p,q)逆自相关函数G-谱估计的渐近正态性。