ATP理论的非参数解释

本文用非参数回归方法中的核函数法和最近邻法来解释ＡＴＰ理论。通过不同核函数选择和最近邻估计中参数的变化以及鲁棒性回归的辅助解释。来寻找ＡＴＰ理论较好的非参数解释。     

非参数回归函数最近邻估计的相合性

本文研究了非参数回归函数最近邻估计、改良近邻估计的弱相合性及平均相合性,推广和改进了[1]中结果。     

关于回归函数的最近邻估计的渐近性态

讨论了回归函数的最近邻估计的渐近性质。证明了回归函数的最近邻估计量是渐近正态的。     

关于非参数回归函数的逐点假设检验

利用非参数回归函数的核估计，讨论了非参数回归函数的逐点假设检验问题．在较一般的条件下，给出了任意Ｋ次回归曲线的相合性结果，在此基础上进一步给出了水平为α的非参数回归函数逐点假设的渐近拒绝域     

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。     

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。     

一类半参数回归模型中M估计的收敛速度

考虑半参数回归模型yi=xTiβ0+g(ti)+ei,i=1,2,…,n。其中,β0是未知参数,g是未知函数。当g的估计取一类非参数权估计(包括核估计和最近邻估计)时,文章讨论了参数β0的M估计β0的强收敛速度和未知函数g的估计g*n(t)的一致强收敛速度,从而得到β0-β0=O(n-1/2(logn)1/2)　a.s.和sup|g*n(t)-g(t)|=O(n1/3logn)　a.s.。0≤t≤1     

关于固定效应模型非参数回归函数核估计的强相合性

本文主要讨论固定效应模型非参数回归函数的核估计.在较为一般的条件下,证明了回归函数核估计的三种形式是强相合的和强等价的,从而得到了更为深刻的结果。     

AANA误差下非参数回归函数积分权核估计的相合性

【目的】在误差为AANA序列的条件下,对Gassor和Müller提出的一类非参数回归函数积分权核估计进行研究。【方法】利用截尾方法和AANA序列的指数不等式进行研究。【结果】得到了非参数回归函数积分权核估计的P阶矩相合性、强相合性和完全相合性,通过数值模拟来验证结果的有效性。【结论】该结果推广和拓展了已有的相关结论。     

φ—混合序列下回归函数估计的相合性

本文在样本序列{(X_n,Y_n),n≥1}为φ-混合的,平稳的情形下讨论了回归函数m(x)的最近邻估计m_n(x)的L_p相合性和强相合性,并给出了它在非参数k_n-NN判别中的一个应用。     

人口抽样调查中用普查数据的比估计及其均方误差估计

本文主要讨论了分层三阶简单随机抽样下，在人口变动情况抽样调查中利用普查数据构成人口出生率，年出生人口，年中人口的比估计及其均方误差估计问题，也给出了分层三阶等距抽样下比估计的均方误差的两种估计公式。得出的结论也适用于一般的多阶抽样的比估计的情形。     

最小二乘估计和最佳线性无偏估计的关系

本文讨论广义线性模型的均值向量的最小二乘估计和最佳线性无偏估计的关系,得到了它们相等的充要条件以及它们的偏差关系和偏差范数估计;并在欧氏范数下,进一步讨论了这种偏差估计。     

增长曲线模型的两步估计及其优良性

讨论了增长曲线模型回归参数阵的两步估计问题,给出了回归参数阵的可估函数的两步估计具有无偏性的一个基本结论,并验证了两种常见两步估计均具有无偏性．     

密度核估计的Bootstrap逼近

本文在一定条件下证得了密度核估计的Bootstrap逼近成立，并且得到了Bootstrap逼近的速度．     

四单元混联系统屏蔽数据的统计分析

推导了四单元混联系统屏蔽数据场合下的似然函数,并且给出了常数失效率单元和线性失效率单元所组成的四单元混联系统屏蔽数据的参数的极大似然估计,以及采用似然比构造区间估计的方法得到参数的近似区间估计.     

定数截尾样本场合三重威布尔分段模型的统计分析

考虑定数截尾样本场合下三重威布尔分段模型,提出了一个优选准则,从而得到参数的逆矩估计和区间估计,并通过实例说明本文方法的简便易行。     

一般的增长曲线模型均值矩阵线性估计的泛容许性

在两种矩阵损失函数下讨论了一般的增长曲线模型中均值矩阵线性估计的泛容许性,并在某些线性估计类中分别得到了泛容许估计的充要条件。     

多元随机共同均值泛容许估计的特征

讨论了多元随机共同均值线性模型中均值矩阵和参数的线性估计的泛容许性 ,并在齐线性和非齐线性两个估计类中分别得到了泛容许估计的特征。     

瑞利分布全样本下的统计分析

针对瑞利分布,在全样本场合下给出了参数的矩估计、极大似然估计和区间估计。与此同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和区间估计的精度,从中可以看到参数的极大似然估计的精度比矩估计的好些。