首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
用小波方法对未知密度f(x)进行估计 ,并在某些假定下建立了一种估计量的L1-模强相合性 ,以及在某些限制下 ,弱相合与强相合的等价性 .顺便也给出L1-相合的一个必要条件 .  相似文献   

2.
设{X_n,n≥1}是一LPQD序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了核密度估计的强相合性、r阶相合性.  相似文献   

3.
在固定设计下研究部分线性模型中回归参数β和回归函数g(t)的估计问题.利用小波光滑方法和最小二乘方法构造β和g(t)的小波估计,在适当的条件下,证明它们均具有强相合性和pp≥2阶平均相合性.  相似文献   

4.
两两NQD序列是一类重要的随机变量序列,NA序列是它的一种特殊情况.{Xn,n≥1} 为同分布的两两NQD随机变量序列,f(x)为X1的概率密度函数.基于样本X1,X2,...,Xn,本文给出了密度函数f(x)的核估计,并证明了其r阶平均相合性.  相似文献   

5.
考虑带常数项的一元线性回归模型yi=α+xβ+ei,1≤i≤n中常数项与回归系数的LS估计的r阶平均相合性之间的关系,得到一个r阶平均相合性的一个结果。  相似文献   

6.
NQD样本下密度函数核估计的相合性   总被引:1,自引:0,他引:1  
设{Xn,n≥1}为同分布的两两NQD随机变量序列,f(x)为其概率密度函数,基于样本X1,X2,…,Xn, 文章对密度函数f(x)的核估计进行了讨论, 在适当条件下证明了强相合、一致强相合和均方相合.  相似文献   

7.
本文证明了在一定条件下,若LS估计β_(nm)(m是某固定的正整数)是β的r—平均相合估计(r≥2),那么β_n是β的r—平均相合估计  相似文献   

8.
9.
10.
在样本序列为平稳、ρ-混合、α-混合情形下分别研究了条件密度f(y│x)的双重核估计fn(y│x)的相合性。  相似文献   

11.
设{Xn,n≥1}为严平稳的m相依随机变量序列, f(x)为X1的概率密度函数, 基于样本X1,X2,…,Xn, 构造了密度函数f(x)的核估计, 并利用独立同分布样本的性质证明了f(x)核估计的r阶平均相合、 逐点相合和一致强相合性.  相似文献   

12.
设{X_n,n≥1}是一随机变量序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了ρ-混合和φ混合序列核密度估计的强相合性、r阶相合性.  相似文献   

13.
设{X,i≥1}为同分布正相协(简记PA)随机变量序列,f(x)为X1的概率密度函数,基于样本X1,X2,…Xn,在适当条件下证明了密度函数f(x)核估计的强相合及r阶矩相合。  相似文献   

14.
用小波方法对未知密度f(x)进行估计,并在某些假定下建立了一种估计量的L1-模型强相合性,以及在某些限制下,弱相合与强相合的等价性,顺便也给出L1-相合的一个必要条件。  相似文献   

15.
本文研究了回归函数改良核估计的强相合性,得到改良核估计的更一般形式.  相似文献   

16.
研究一类固定设计下的半参数回归模型.通过利用最小二乘法、加权最小二乘法及新方法小波估计法给出了未知参数β的估计,在较弱的条件下给出了β的最小二乘估计∧βn的弱收敛速度、强相合性以及加权最小二乘估计~βn的强收敛速度.  相似文献   

17.
m(n)相依样本回归函数改良核估计的强相合性杜斌秦更生(数学系)1引言设(X,Y),(X1,Y1)……是Rd×R1上的同分布随机向量序列,E|Y|<∞.回归函数m(x)=E(Y|X=x)为未知实函数.Watson[1]和Nadaraya[2]首先建议...  相似文献   

18.
针对带混合噪声回归估计问题,利用小波方法构造线性小波估计器,并在不假定待估回归函数具备任何光滑性的前提下,证明小波估计器的Lp(1≤p<∞)相合性。  相似文献   

19.
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。  相似文献   

20.
相依样本下回归函数核估计的强相合性   总被引:1,自引:0,他引:1  
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.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号