单函数指标非参数回归估计的一致几乎完全收敛

文章研究了单函数指标非参数回归模型的估计问题,利用Kolmogorov熵的方法,基于时间序列函数型数据,在α混合相依序列下,获得了模型中非参数回归函数算子核估计的一致几乎完全收敛及其收敛速度,推广了现有文献中的相关结果。     

平稳遍历函数型非参数递归M估计的收敛速度

文章基于平稳遍历函数型数据,构造非参数回归算子的递归M估计,在一定条件下建立了递归估计量的几乎完全一致收敛速度,推广了现有文献中的相关结果。     

NA样本回归函数递归型估计的强相合性

本文在NA相依样本下给出了非参数回归函数加权递归核估计gn(x)=n∑(i=1)yi(xi-xi-1)/hi K(x-xi/hi)的渐近无偏性和相合性的充分条件。其中这里得到的充分条件与一般加权回归函数核估计的相合性几乎完全一致。     

“非汉字符号”相依序列回归函数加权核估计

讨论ρ相依序列非参数回归函数加权核估计的强相合性     

相依样本下回归函数核估计的强相合性

在一定条件下得到了样本平稳ρ-mixing下非参数回归函数改良核估计的强相合性,所得结果对混合速度的要求要比样α-mixing,ψ-mixing本相依下对混合速度的要求来得弱．     

非参数函数型递归核估计的收敛速度

文章考虑当响应变量和解释变量都是函数型时的非参数核回归模型,将经典的N-W核估计量推广为一族递归核估计量,并且利用Kolmogorov熵的方法和函数型数据的基本方法,得到递归估计量在独立情形下的一致收敛速度。     

NA相依样本非参数回归函数加权核估计

在ＮＡ相依样本下研究非参数回归函数加权核估计的相合性,对完全收敛和强相合性给出较弱的充分条件。与此同时对ＮＡ序列给出一个简洁实用的Ｂｅｍｓｔｅｉｎ型不等式。     

长记忆下函数型数据非参数回归的M-估计

文章根据模型Yi=m(Xi)+iε,i∈Z,其中,Xi取自半度量函数空间,在长记忆过程的条件下,研究函数型回归算子m(x)的非参数M-估计,利用方差分段的方法分别求得各自的收敛,并获得了在长记忆下函数型数据非参数回归M-估计的依概率收敛,以及其相应的收敛速度。     

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.     

回归函数的变点分析

本文介绍了变点问题以及线性模型、半参数模型和非参数模型。在已有结论的启发下,给出了非参数模型中回归函数变点或不连续点的位置的估计量,证明了误差具有某种长程相依结构时,回归函数变点位置估计及其分布的大样本性质。在一定的条件下证明了估计量的收敛速度和极限分布。同时在误差具有不同相依结构下,对回归函数变点的位置进行模拟分析;也模拟分析了不同的核函数和带宽对变点估计的影响。     

回归函数改良核估计的收敛速度

回归函数的核估计在通常情况下需要核函数具有有界支撑 ,随机变量Y要求具有l阶矩 ,其中l>1。在核函数改进为包括无界支撑甚至不可积 ,并且去掉了对Y的矩的其它要求的情形下 ,讨论了回归函数改良核估计在完全样本及在删失样本情形下的收敛速度 ,得出了与原来情形同样的结论 ,推广和改进了文献 [1- 2 ]的相应结果     

密度与回归的随机窗宽核估计的渐近正态性

本文建立了密度和回归函数的随机窗宽核估计的渐近正态性,并给出了在回归函数最近邻估计场合的一个应用。     

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。     

m-WOD序列密度函数和失效率函数核估计的强相合性

设{Xn, n≥1}为一同分布的m 宽象限相依(m-WOD)序列, f_n(x),r_n(x)分别为密度函数f(x)基于样本X₁,X₂,…,X_n的核估计和失效率函数核估计. 在适当的假设条件下, 利用m-WOD序列的矩不等式和Borel Cantell 引理, 证明核密度估计及失效率函数核估计的强相合性和一致强相合性.     

Kernel density estimation under widely orthant dependence

The kernel density estimator for widely orthant dependent random variables is studied. The exponential inequalities and the exponential rate for the estimator of a density function with a uniform version over compact sets are investigated. Further, the consistency of the estimator is proved. The results are generalizations of some existing outcomes for both associated and negatively associated samples. The convergence rate of the kernel density estimator is illustrated via a simulation study. Moreover, a real data analysis is presented.     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

连续时间下非参数回归模型的回归函数核估计量的一致均方收敛速度

研究了连续时间下非参数回归的回归函数核估计量的收敛速度，给出了一定条件下回归函数估计量rt(x)的一致均方收敛速度，详细证明了两组条件下rT(X)分别满足：E(supx∈S|rT(X)-r(x)|)^2=0(T^-1/2)和E(supx∈S|rT(x)-r(x)|)^2=0(lnT)^2/S T^-1/2),其中r(x)表示未知的回归函数。     

m-WOD序列密度函数和失效率函数核估计的强相合性

设{Xn, n≥1}为一同分布的m 宽象限相依(m-WOD)序列, f_n(x),r_n(x)分别为密度函数f(x)基于样本X₁,X₂,…,X_n的核估计和失效率函数核估计. 在适当的假设条件下, 利用m-WOD序列的矩不等式和Borel Cantell 引理, 证明核密度估计及失效率函数核估计的强相合性和一致强相合性.