随机变量序列的大偏差估计

利用Markov不等式和Cr-不等式,研究了条件n∑i=1E[|X|p]=O(np)下的φ混合序列、负相协(NA)序列、渐近几乎负相协(AANA)序列的大偏差估计.     

负相协样本分布函数的递归型核估计

设{Xn;n≥1}是一实值平稳负相协具有相同未知分布函数F(x)的随机变量序列,本文给出了F(x)一种递归型核估计△Fn(x)=1/nn∑j=1K(x-Xj/hj),并讨论了它的渐近正态性,这里K(·)是已知的分布函数,窗宽{hj}满足hj↓0(j→+∞).     

行为负相协随机变量阵列加权和的矩完全收敛性

矩完全收敛性是极限理论随机变量所需研究的重要性质之一。本文研究了行为负相协(NA)随机变量阵列加权和的矩完全收敛性,在已有结论的基础上获得了一些新的结论,完善了Sung的结果。本文所采用的证明方法完全不同于Sung的方法,运用截尾的思想简化了证明过程,有一定的创新。     

若干随机变量序列的大偏差估计

利用Markov不等式和Cr-不等式,研究了在条件||Xi||=(.E |Xi|p)1/p≤M＜∞下的线性负象限相依(LN-QD)序列,α混合序列,p混合序列的大偏差估计.     

有关非负矩阵谱半径及分离度界的估计

给出了非负矩阵谱半径上下界的一个估计，并将我们的结果与以往的结论做比较；在推论部分给出了非奇异M矩阵之逆的谱半径的界的估计以及任意复矩阵谱半径的一个上界的估计．另外，我们还给出了非负矩阵分离度的上界估计．     

负相协样本多维边际密度的经验似然推断

研究负相协样本多维边际密度函数的经验似然置信区间的构造,证明了负相协样本多维边际密度函数的分组经验似然比统计量的极限分布为卡方分布,由此结果可构造多维边际密度函数的经验似然置信区间.     

相协随机变量部分和的几乎处处收敛性和强大数定律

文章基于相协随机变量序列的Hajek-Renyi不等式和事件序列的Chung-Erdos不等式,利用Krone-cker引理和Borel-Cantelli引理,给出相协随机变量序列部分和的几乎处处收敛性和强大数定律型的结果,推广和改进了吴爱娟论文中定理2和定理3的结果。作为其特例,得到了独立情形下经典的Kolmogorov强大数定律。     

一类负相依随机变量序列线性形式的强稳定性

研究一类负相依随机变量序列线性形式的强稳定性,得到这类不同分布随机变量序列具有线性形式强稳定性的充分条件.     

基于偏差密度模型的小波估计*

讨论了带加权分布且基于分层相协随机变量的密度函数估计问题, 提出了线性小波估计器, 并给出该估计器的~$L^p (1leq p相似文献   

小波密度估计器的平均相合性

目的 设随机变量X服从的密度函数f(x) 未知, 利用小波基的优势给出f(x) 的估计。方法 利用紧支撑小波, 构造密度函数f(x) 的线性小波估计器f＾_n(x)。结果 在不假定密度函数具有任何光滑性的条件下, 证明了f＾_n(x) 的L^p(1＜p≤∞) 平均相合性。结论 表明小波估计器的优越性, 为进一步计算收敛阶提供理论基础。     

NA随机变量序列的Berry-Esseen界

负相关NA（ negatively associated）随机变量序列是一类较弱的相依序列。讨论了NA随机变量序列的Berry-Esseen界问题,在不同的条件下,得到了Berry-Esseen界分别为O （ n-1/4· log n · log log n）和 O （ n-1/6· log n · log log n）,结果推广了已有文献的相关结论。     

AANA随机变量的完全收敛性

设X{n,n≥1}为被随机变量X随机控制的AANA(asymptotically almost negatively associated)随机变量序列,a{n,n≥1}是正常数列.在适当的矩条件下,研究了AANA随机变量加权和max1≤k≤n a-1n∑k i=1Xi的完全收敛性.作为该结果的应用,得到了一些关于AANA随机变量序列完全收敛性的新结果.     

基于小波分析的概率密度估计及其在故障诊断中的应用

本文论述了小波分析和多分辨率分析在概率密度函数估计及故障诊断中的应用。基于小波的概率密度函数估计能够提供连续性的结果并在许多方面优于其它方法。本文给出了一些算法的主要参数的确定方法并将方法应用于故障诊断，取得了满意的效果。     

基于局域波分解的非参数概率密度估计

局域波分解在提取信号趋势方面具有异乎寻常的效果.根据局域波缓变趋势提取算法,在小波概率密度估计思路的基础上,结合密度估计的直方图法,建立了局域波概率密度估计新方法.此方法能有效去除样本数据直方图中的高频成分,获得低频趋势,即概率密度.在混合高斯概率密度估计中的应用表明,对于无断点的密度函数,其具有计算简单、精度较高的优点.     

基于小波概率密度函数估计的盲信号分离算法

利用概率密度函数的非线性小波估计方法,对混合信号的概率密度函数及其导数进行估计,由此估计信号的评价函数,从而给出了一种盲信号分离算法.该方法简单,可直接应用于所有以非线性函数代替评价函数的盲信号分离算法.计算机仿真结果表明了算法的有效性.     

一类负相关随机变量Galton-Watson随机和的大偏差

研究了随机和S_(Zn)∶=Zn∑ i=1X_i的大偏差,式中Z_n为上临界Galton-Watson(G-W)过程的第n代个体数,{X_i,i≥1}为一族同分布的负相关随机变量.所得结果推广了Fleischmann等关于独立同分布随机变量之和的结果.     

密度函数的小波估计及其影响函数

把小波的思想和方法应用到统计学的密度估计中,得到了密度小波估计的一个统一的非迭代表示形式.对于给定的一种系数估计方法,这种表示形式容易计算密度估计的影响函数,进而可以进行简单的稳健性分析.     

鞅差时间序列的部分线性EV模型的小波估计

用小波方法研究了误差为滑动平均鞅差序列的部分线性EV模型,得到了小波估计量的矩收敛速度及强收敛性。     

基于正交训练序列的MIMO-OFDM系统频率同步方法

提出了一种MIMO-OFDM系统中基于Walsh的同步训练序列结构。利用该结构可以在有效完成符号 同步的同时准确估计MIMO-OFDM系统中不同信道的载波频偏。在2×2的MIMO-OFDM系统下的仿真结果表 明，使用本训练序列可以获得较好的符号同步和载波频偏估计性能。