平稳序列函数核密度估计的相合性

对v平稳 混合序列给出的样本研究了平稳序列函数核估计的逐点强相合性及一致强相合性,同时给出了收敛速度。设fn为通常的核密度估计,若密度函数f具有有界连续的二阶导数,设∫uK(u)du=0,∫u2K(u)du<∞,证明了,在某些适当的条件下(见定理3),关于一致强相合性有supx∈R|Efn(x)-f(x)|=OP(εn),其中εn=(n-(5τ-2)/(6τ+6)loglogn)。对于逐点强相合性,设f一致连续,在一些较弱的条件下,对固定的x,有fn(x)-f(x)=o(rn),a.s.其中rn=n-29lognloglogn。     

方向数据核密度估计的大偏差和中偏差

设X为取值于k-维单位球Ω的随机向量,密度函数为f(x),fn(x)=(nhk-1)-1[C(h)]·,x∈Ω为f(x)的核密度估计.通过计算Cramer泛函,分别得到了核密度估计在弱拓扑(L1,σ(L1,L∞))下的大偏差和中偏差.     

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.     

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。     

可积函数空间上两种收敛性的关系

可积函数空间Lp空间中的函数列{fn(x)}依测度收敛与依范数收敛的基本关系:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)ae于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

一个引出Fibonacci数列的新问题

运用数学归纳法及等比数列的方法 ,讨论了函数f(x)的迭代表达式fn(x) ,且当满足一定条件时 ,fn(x)收敛 ,从而引出Fibonacci数列     

函数的近优最值及其在函数优化过程中的应用

系统地讨论了函数列{fn(x)}的最值(点)与极限函数f(x)的最值(点)之间的逼近联系,在通过具体实例分析的基础上,首先给出了{fn(x)}和f(x)的最值点唯一时,最值(点)之间的收敛条件,进而引入了ε-近优最大(小)值(点)的概念,并在近优意义下给出了{fn(x)}和f(x)的最值点逼近定理。     

关于Bernstein多项式收敛速度的估计

本文利用Ho..lder不等式,证明了[0,1]区间上满足Lipschitz条件函数f(x)的Bernstein多项式)。cknxk(1-x)n-k一致收敛到f(x)且收敛速度为O(1fn(x)=∑nk=0n     

LPQD序列密度函数核估计的相合性

设{X_n,n≥1}是一LPQD序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了核密度估计的强相合性、r阶相合性.     

基于α-混合样本下的熵函数估计的强相合性

设{Xi,i≥1}为随机变量序列,f(x)为公共未知的概率密度函数,基于样本X1,X2,…,Xn估计熵函数H(f)=-∫f(x)logf(x)dx,其中x∈Rd。该文在一定条件下获得了H(f)的直方图估计Hn=-∫fn(x)≥anfn(x)logfn(x)dx的强相合性,推广了现有文献中的相应结果。     

强混合删失样本密度函数估计的r阶相合速度

基于删失样本,研究α-混合序列下密度函数f（x）的核估计fn（x）的r（0〈r≤2）阶相合性,并给出其r阶相合速度;证明失效率函数λ（x）的r阶相合速度．     

删失样本α混合序列递归核密度估计的一致强相合性及速度

在删失数据α混合序列下,用递归核密度估计改进密度函数,的窗宽固定的核密度估计量,并在一定条件下证明改进后的估计量fn的一致强相合性,并给出一致强相合速度;同时也得到与fn相应的风险率函数λ的估计量λn的一致强相合性及一致强相合速度．     

指数-威布尔分布族参数的经验Bayes双侧检验问题

当分布的一个形状参数已知时,基于平方损失,研究了独立样本情形指数-威布尔分布另一形状参数的经验Bayes(EB)双边检验问题.利用概率密度函数的核估计,构造参数的检验函数,在一定的条件下证明检验函数的渐进最优性,并获得其收敛速度.     

线性模型中误差分布的相合核估计

线性模型y_i=x′_iθ+e_i,i=1…n,的误差序列{e_i}_i~n=1有未知密度f(x),本文在一定条件下证明了f(x)的核估计的弱相合性,逐点强相合性,一致强相合性,其中(?)为L.S估计的残差.     

一类概率密度函数的估计

本文应用运算微积给出一类概率密度函数Ｐ（Ｘ）的估计．只要Ｐ（ｘ）在每一有限区间内逐段光滑，且Ｐ（ｘ）的运算微积函数Ｇ（ｙ）趋于零的速度较快（时），则Ｐｎ（ｘ）便有一致渐近误差和一致均方意义下的收敛速度．     

指数一威布尔分布族参数的经验Bayes双侧检验问题

当分布的一个形状参数已知时,基于平方损失,研究了独立样本情形指数一威布尔分布另一形状参数的经验Bayes（EB）双边检验问题．利用概率密度函数的核估计,构造参数的检验函数,在一定的条件下证明检验函数的渐进最优性,并获得其收敛速度．     

φ-混合删失模型中密度函数K-M估计的r-阶相合速度

在生存时间与删失时间为 φ 混合序列的情况下，研究并获得了随机删失模型概率密度函数 ｆ（ｘ）的 Ｋ Ｍ（ｋａｐｌａｎ Ｍｅｉｅｒ）估计 ｆｎ（ｘ）的 ｒ阶相合速度。     

线性混合模型中方差分量的经验Bayes估计的收敛速度

在加权平方损失下导出了含有2个方差分量的线性混合模型中方差分量的Bayes估计,利用多元密度函数及其混合偏导数的核估计方法构造了方差分量的经验Bayes（EB）估计,在某些条件下获得了该估计的收敛速度。     

两两NQD序列下威布尔分布族参数的经验Bayes检验

在“线性损失”下,基于两两NQD样本序列情形研究了威布尔分布族刻度参数经验 Bayes（EB）检验问题,首先利用概率密度函数的核估计,构造了刻度参数的经验 Bayes 检验函数,在适当的条件下,证明了所提出的经验Bayes检验函数的渐近最优（a.o.）性,并获得了它的收敛速度.     

零膨胀泊松模型中风险参数的贝叶斯估计

该文建立了贝叶斯模型,讨论了零膨胀泊松分布中参数的估计问题.在平方损失函数、Linex损失函数和Stein损失函数下得到了风险参数的贝叶斯估计.进而,引进了信度理论,在平方损失函数下得到了风险参数的信度估计,证明了估计的相合性.最后,通过数值模拟的方法对估计的收敛性进行了比较.