LNQD序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti) +ei(1≤i≤n),误差{ei,1≤i≤n}为平稳LNQD序列,研究了未知参数β和未知函数g(t)小波估计的强相合性,在一定的条件下,得到了合理的结果,把非参数回归模型的相应结果推广到半参数回归模型.     

NQD样本下部分线性模型中估计的强相合性

考虑回归模型：yi=xβ g(ti) σei≤i≤n,其中δ^1 i=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g和f是未知函数,随机误差序列{ei}为同分布的NQD序列．在一定的条件下,得到了β的最小二乘估计β、加权最小二乘估计β^-和最终加权最小二乘估计β^-的强相合性．     

正相协误差半参数回归模型小波估计的强相合性

研究半参数回归模型yi=xiβ+ g(ti)+ei(1≤i≤n),｛ei,1≤i≤n｝为正相协序列的未知参数β和未知函数g(t)小波估计的强相合性,得到它们的强收敛速度.     

PA序列下半参数回归函数估计的强相合性

对于半参数回归模型Yni=β.tni＋g（xni）＋εni,（1≤i≤n）,在误差{εni,1≤i≤n}为平稳PA相依序列条件下,得到未知函数g（x）的权函数估计和未知参数β估计的强相合性.     

NA误差下回归函数小波估计的渐近性质（英文）

考虑固定设计回归模型Yi=g（xi）＋εi,i=1,…,n,其中{xi}是固定设计点,g（.）是未知函数,{εi}是负相协误差随机误差。本文在适当的条件下,讨论了未知函数g（.）的小波估计量的r-阶矩相合,依概率收敛和强收敛以及渐近正态性。     

(ψ)-混合误差下半参数回归模型小波估计的γ阶矩收敛速度

考虑一类固定设计下的半参数回归模型yi=xiβ+ g(ti)+ei,i=1,2,…,n,对于模型中的未知参数β和未知函数g(t)的小波估计(∧β)n和(∧g)n(t).,在{ei,1≤i≤n)是(ψ)-混合随机误差时,研究了(∧β)n和(∧g)n(t)的γ阶矩一致收敛速度.     

NA样本回归函数估计的强相合性

在非参数回归模型Yi=g(xi)+εi,1≤i≤n中,研究了当{εi,1≤i≤n}为一致可积的平稳NA相依序列时,未知函数g(x)的权函数估计gn(x)=∑ni=1wni(x)Yi的强相合性。     

NA样本下变方差模型估计的强相合性

考虑变方差回归模型Yi=g(ti) σiei,i=1,2 ,… ,n ,其中σ2 i=f(ui) ,(ti,ui)为非随机设计点列 ,g(·)和f(·)均为未知函数 .当随机误差ei 为NA变量时 ,讨论了 g(t)的一般加权估计 g^n(t)的一致强相合性 ,以及f(x)的 一般加权估计 f^n(u)的强相合性和一致强相合性     

PA样本回归函数估计的强相合性

针对非参数回归模型Y1=g(x1)+ε1,1≤i≤n,在{εi,1≤i≤n}为一致可积的平稳PA相依序列条件下,得到未知函数g(x)的权函数估计gn(x)=nΣi=1wni(x)Yi的强相合性.     

一类半参数回归模型二阶段估计的渐近理论

考虑回归模型yi＝xiβ＋g（ti）＋ei，1≤i≤n，g为R1上未知函数，β为p×1维待估参数向量．基于近邻权函数利用文献[1]中给出的方法建立了β和g的估计量βn，gn，并且证明了它们具有很好的大样本性质     

线性过程误差下的半参数回归模型

对半参数回归模型:Yni=β·tni+g(xni)+εni,1≤i≤n。本文利用最小二乘法和一般非参数统计方法,定义β,g的估计量^βn,gn,在误差为一般弱平稳线性过程序列时,获得了^βn,gn的相合性及r阶矩相合性。     

不等方差情形下非参数回归模型的小波估计

考虑非参数回归模型Ｙｉ＝ｇ（ｔｉ）＋σｉｅｉ,１≤ｉ≤ｎ,给出了ｇ（ｔ）和ｆ（ｕ）的小波估计ｇｎ（ｔ）和ｆｎ（ｕ）;在适当条件下给出了ｇｎ（ｔ）的弱相合速度,在Ｅ｜ｅｉ＾３｜〈∞下给出了ｇ（ｎ（ｔ）的一致强相合速度,在Ｅ｜ｅｉ｜＾２＋δ〈∞下得到ｇｎ（ｔ）的渐近正态性结果;在Ｅ｜ｅｉ｜＾３＋δ〈∞下证明了ｆｎ（ｔ）的一致强相合性。     

关于Scrambling指数的最新研究结果

设 n,q,s是正整数, 满足1≤s相似文献   

齐型空间上Little wood-Paley“非汉字符号”-函数的Lipα有界性

在θ阶正规齐型空间上 ,设算子列 {Sk}k∈ Z是恒等逼近 ,记 Dk =Sk- Sk-1,DNk =∑| j| 相似文献   

由鞅差序列生成的线性过程的Baum-Katz大数定律的精确渐近性

主要讨论了线性过程Xt=∑∞j=0ajεt-j,其中{εt,Ft;t∈Ζ}是均值为零,方差有限的平稳鞅差序列,aj,j∈Ζ是绝对可和的实数序列.令Sn=∑nt=1Xt,n≥1,在适当矩的条件下,利用部分和Sn的收敛性,对于1≤p2,若supj≥1Eεjδ＆lt;∞,证明了∑∞n=1nr/p-2P｜Sn｜≥εn1p,∑∞n=1n-1/P｜Sn｜≥εn1/p当ε→0时的精确渐进性.在鞅差序列的前提下,进一步推广了线性过程的Baum-Katz大数律的精确渐近性性质.     

双下标相依随机变量和的重对数律

设 {a_(ni):n≥1,-∞相似文献   

截断和乘积的不变原理

设{Xn,n≥1}为独立同分布的正平方可积随机变量
序列, 其共同分布为连续的中尾分布. 对于固定的常数a>0, 令Sn=∑〖DD(〗n〖〗i=1
〖DD)〗Xi, Mn=max〖DD(〗〖〗1≤i≤n〖DD)〗 Xi, Sn(a)=∑〖DD(〗n
〖〗i=1〖DD)〗XiI{Mn-a 定理和连续映射定理证明了截断和乘积的不变原理.