Γ分布参数变点的非参数统计推断

对至多一个变点的Γ分布,即X1,…,Xn为一列相互独立的随机变量序列,且X1,…,X[nτ0]i.i.d-Γ（x;ν1,λ1）,X[nτ0]＋1,…,Xni.i.d-Γ（x;2ν,λ2）,其中τ0未知,称τ0为该序列的变点.利用累积和方法给出了检测变点τ0位置的程序,并给出了变点τ0估计^τ的强相合性和强收敛速度.     

跳-斜度变点估计的强收敛速度

对至多只有一个跳-斜度变点的模型,利用滑窗方法研究了独立误差分布条件下变点估计的强、弱相合性,以及强、弱收敛速度等统计推断问题.     

方差变点模型CUSUM型估计量的相合性

基于混合误差序列,研究方差变点模型CUSUM型估计量的相合性问题。分别在高阶矩条件和低阶矩条件下,获得CUSUM型估计量的强收敛速度和弱收敛速度,推广了已有方差变点模型在误差满足独立同分布条件下获得的一些理论成果。作为应用,利用方差变点方法对美国超威半导体公司股票收益率的波动率是否发生变化开展分析工作,最终准确找到波动率发生变化的位置。     

刻度参数变点估计的强收敛速度

对至多一个刻度参数变点的模型,在运用滑窗方法给出了检测变点存在性的U统计量基础上,进一步研究了变点估计的强相合性以及强收敛速度,并得出变点估计的强收敛速度受窗宽的选择影响.     

分布函数上尾端点估计量的渐近性质

给出了当极值指标小于0时,分布函数F(x)的上尾端点估计量,并证明了该估计量的强相合性和弱相合性,给出了其强收敛速度,证明了渐近正态性,进而获得了分布函数F(x)的上尾端点的渐近置信区间.     

半参数计量经济联立模型的局部线性广义矩变窗宽估计

提出半参数计量经济联立模型的局部线性广义矩变窗宽估计,并在随机设计(模型中所有变量为随机变量)下,利用极限理论研究了估计的大样本性质.研究结果表明:参数分量估计具有一致性和渐近正态性且收敛速度为n-1/2;非参数分量估计在内点处具有一致性和渐近正态性,其收敛速度达到了非参数函数估计的最优收敛速度.     

正态分布参数变点估计的强相合性

文章讨论了正态分布中均值与方差变点问题,给出了变点位置的CUSUM型估计,证明了此估计是真实变点位置的强相合估计;与已有文献相比较,大大提高了收敛速度.     

局部有限超空间的弱紧性和第一可数性

研究了拓扑空间 X上的非空闭子集超空间CL （X）的Kuratowski-Painleve-收敛与τlocfin-收敛的等价性,给出了 CL（X）赋予局部有限拓扑τlocfin的三类弱紧性：ω-有界性,-紧性和-伪紧性,利用空间 X的分解方法得到了（CL（X）,τlocfin ）满足第一可数公理的等价证明。     

固定设计下半参数回归模型小波估计的收敛速度

对一类固定设计下的半参数回归模型进行了研究.通过利用加权最小二乘法及小波估计法给出了未知参数β和未知函数f(·)、g(·)的估计;在较弱的条件下给出了最终加权二乘估计βn的弱收敛速度,(^f)n(·),的弱收敛速度、强相合性以及(g-)n(·)的弱收敛速度.     

正态分布均值变点估计的收敛性

KoKoszka和Leipus先前讨论了独立序列中均值变点估计的相合性,而该文讨论了较为特殊的情形,即正态分布均值变点问题,利用CUSUM方法,研究了独立正态随机变量序列中方差不发生变化时,均值变点估计的相和性,并得到收敛速度.     

正态分布均值变点估计的收敛速度研究

运用累积和CUSUM的方法研究了独立正态随机变量序列均值变点问题。在方差不变的条件下,证明了均值变点CUSUM型估计的强弱相合性,并且给出了变点估计的强弱收敛速度。与研究正态分布参数变点问题的其他文献相比,该文研究了更一般的情形下的相合性。     

一类面板模型中部分结构变点的检测和估计

给出了解决面板回归模型中存在未知部分结构变点时的检测、估计和推断问题的新方法,得到了结构变点的相合估计及渐近分布。基于最小二乘方法构造全局最小残差平方和,并用于检测结构变点。该方法适用于纯结构变点模型和部分结构变点模型,并且即使面板数据只有很少的个体,估计的相合性也可保证。Monte Carlo模拟结果验证了理论的正确性。基于中国股票市场上参与股改的404家工业企业的实证研究表明:应首先检测结构变点是否存在,然后才能分析解释数据;忽略检测结构变点会产生有偏估计,甚至出现伪回归。     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

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.     

非参数方差模型的样条估计

基于多项式样条方法,构造了非参数方差模型中方差函数的相合估计,并且给出了该估计的最优全局收敛速度.模拟算例验证了理论结果的正确性.     

竞争风险场合PL型估计的渐近正态性

为了在竞争风险场合考虑生存函数（或分布函数）的估计问题,本文构造了竞争风险场合分布函数的乘积极限（PL）型估计。运用经验过程的逼近理论及Taylor展开方法,给出了估计在全直线上的弱一致收敛速度,并证明了估计的渐近正态性。     

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．     

一类位置不变的Hill型估计量的渐近性质

作者在正规变换条件下证明了一类位置不变的Hill型估计量强收敛速度和强相合性.