密度核估计中对MSE与MISE的渐近性态研究

对于n维随机变量在给定权函数的条件下，利用密度核估计值分析了MSE（mean square error）与MISE（mean integrate square error）的渐近比较结果，研究了局部和全局的估计^∧fn与理论值f的接近程度，并给出了最优收敛速度和理想窗宽选择，最后得出了^∧fn的渐近优越性。     

密度核估计中窗宽选择的一种新方法

提出了密度核估计中窗宽选择的一种新方法,并通过选取适当的核函数,推导出决定窗宽选择的数学表达式,最后在均方误差(MSE)意义下,通过与交叉验证法(cross-validation)进行比较,说明在未知总体分布的情形下,用此方法选择最优窗宽是很有效的一个途径.     

随机窗宽下经验若当变换的收敛速度

给出了随机窗宽下的核型经验若当变换,在一空条件下,获得了此经验若当变换中心在原点的一致精确强收敛速度以及对中心一致的一致强收敛速度,所得结果与最优性与非随机窗宽下的核型经验若当变换一致,并以近邻核型经验若当变换为典型实例。     

光滑Bootstrap均值分布估计的渐近性质

本文讨论了标准化样本均值分布的光滑化Bootstrap估计的相合性,并给出了这种逼近的收敛速度.     

气体分子的平均相对速率

根据麦克斯韦速度分布律,表示出系统内分子相对某一个分子的平均相对速率,进而求出两分子间的平均相对速率.     

基于核密度估计的性能退化数据建模分析方法

针对现有性能退化建模分析方中存在试验样本数据量少和先验分布假设过于严格的不足,提出了一种基于核密度估计的性能退化数据建模分析方法,并详细说明了进行核密度估计时最佳窗宽的确定方法.通过实际算例对建模分析方法进行了验证,结果表明:基于核密度估计方法能有效地克服试验样本数据量少和先验分布假设严格的不足,从而为该情况下产品的性能退化分析提供了一种新方法.     

一类独立随机变量列的平稳律

利用截尾法,研究了一类独立随机变量列的平稳律,在适当的条件下,证明了该随机变量列的部分和弱收敛到一个具有非退化分布的随机变量.     

一种非光滑优化算法收敛速度的估计

以非光滑优化理论为基础,对算法TR的收敛速度作了估计,并证明了算法的线性收敛性.     

密度核估计的局部窗宽选择法

密度核估计的局部窗宽选择法中,光滑Bootstrap法只有在目标函数具有较高阶的连续导数时,窗宽h才能获得理想的取值。为此,减弱条件提出了新的计算方法,经过证明分析该方法是较切合实际的。     

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。     

结构关系度量误差模型的参数估计

考虑结构关系度量误差模型的参数的估计问题,对于任何参数空间Ξ,给出模型参数的一种估计方法,并证明这种估计是强相合的。     

线性模型中经验Bayes估计的收敛速度

考虑了线性模型Ｙ＝θ＋ε中参数θ的经验Ｂａｙｅｓ估计问题，在对ε的密度函数的连续可微性给以较一般限制的条件下，构造了θ的渐近最优经验Ｂａｙｅｓ估计并且给出了这个估计的收敛速度。     

数字化仪坐标换算及与主机通讯程序

本文介绍一种数字化仪上图纸和数字化仪之间坐标换算的新方法,利用该方法编制了数字化仪与计算机之间的数据通讯程序,为在数字化仪上进行数据采集提供了方便。     

光滑函数类中一族具大范围收敛的高阶迭代法

本文仅要求函数f(x)∈ C~2(R~1)和f(x)∈C~3(R~1),R~1=(-∞,+∞),就分别建立了大范围收敛的迭代公式族.它们对f(x)的实单零点敛阶分别为2和3,对f(x)的多重实零点收敛阶均是1;当迭代公式中的参数a取特别值2,k/(k-1),1和0时,就分别得到著名的Euler方法,Laguerre方法,徐-Ostrowski平方根法和Halley方法的两种修正格式,它们对f(z)∈C~2(R~1)和f(x)∈C~3(R~1)均分别具大范围收敛性,此外,满足Fourier条件f(x)f~n(x)>0的单调收敛性Newton程序是本文特例.     

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.     

曲柄柱塞泵流量误差的概率分析

通过研究柱塞泵制造过程中的随机误差，明确提出了机械误差对曲柄柱塞泵流量的影响。     

Powell方法的收敛速度

本文讨论求解无约束极小化问题的Powell方法的收敛速度,当目标函数的自变量个数n=2且目标函数为一致凸函数时,Powell法是超线性的;当n≥3时,即使对正定二次目标函数,也可说明它仅仅是线性收敛的。     

ARMA序列的样本均值和自相关函数的分布的一致收敛速度

设{x_t}是ARMA序列,其谱密度函数为g(w),自相关函数为r_k,且记A=sum from i=-∞ to +∞(r_i~2+r_(i-k)r_(i+k));又x_1,x_2,…,x_N是来自{x_t}的一段样本,样本均值和自相关函数分别是(?)和(?)_k,记N~(1/2)(2πg(0))~(-1)x和(N-R)~(1/2)A~(-1/2)((?)_k-r_k)的分布函数分别为F_N(x)和G_N(x),在一定条件下我们证明了(?)|F_N(x)-Φ(x)|≤C_1N~(-1/2),(?)|G_N(x)-Φ(x)|≤C_2(lnN)~2N~(-1/5)。其中C_1,C_2,均为常数,Φ(x)为标准正态分布,这对评估统计推断的精确度具有一定的作用。     

回归函数的混合型最近邻估计的强收敛速度

本主讨论了把最小二乘估计与最近邻估计结合起来所得的回归函数的混合型最近邻估计的强收敛速度。