LNQD样本最近邻密度估计的相合性

本文在LNQD样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究了失效率函数估计的一致强相合性。     

NSD样本最近邻密度估计的相合性

利用负超可加相依(NSD)序列的Bernstein不等式和Borel-Cantelli引理, 给出NSD样本最近邻密度估计和失效率函数估计的(弱)强相合性、 一致强相合性和(一致)强相合速度.     

ND样本最近邻密度估计的相合性

利用ND序列的Bernstein不等式, 研究ND样本最近邻密度估计的相合性, 给出了弱相合性、 强相合性的充分条件, 所得结果将最近邻密度估计的相合性推广到ND样本.     

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．     

删失样本α混合序列递归核密度估计的逐点强相合性及速度

在删失数据α混合序列下,用递归核密度估计改进了f的窗宽固定的核密度估计量,并在一定条件下证明了改进后的估计量fn的逐点强相合性,并给出逐点强相合速度.     

ND样本最近邻密度估计的一致强相合性

设X1,X2,…,Xn是同分布的负相依(ND)样本,具有共同的密度函数f(x),利用相应的Bernstein不等式,将负相关(NA)样本最近邻密度估计的一致强相合性推广到ND样本,得到其最近邻密度估计的一致强相合性.     

NQD样本最近邻密度估计的一致强相合速度

设X1,X2,…,Xn是同分布的两两NQD样本,具有相同的密度函数f（x）,利用两两NQD序列的Bernstein型不等式,将负相关（NA）样本的最近邻密度估计的一致强相合速度推广到两两NQD样本,在更弱的条件下,获得了与NA样本情形下相同的结论.     

WOD样本下最近邻密度估计的一致强相合速度

设{X_n,n≥1}是同分布WOD随机序列,具有共同的未知密度函数f(x)。利用WOD序列的Bernstein不等式,在适当的条件下,获得了WOD样本下最近邻密度估计的一致强相合速度。     

α-混合序列下核密度估计量的r阶平均相合性

在α-混合序列情形下,讨论核密度估计量的r阶平均相合性,并将该条件弱化为nhn→∞,给出更好的r阶最优相合速度O(n-2r/5).结果表明:所要求的条件弱于韦来生关于负相关(NA)样本概率密度函数核估计的r阶平均相合性所要求的条件,且相合速度更优,推广了韦来生的结果.     

ψ—混合序列密度估计的强相合性

在较弱的条件下证明ψ－混合序列密度的核估计的强相合性，此结论包含了独立情形下的最优结论。     

ND序列下最近邻密度估计的强相合速度

在ND(negatively dependent)样本下研究最近邻密度估计的强相合速度,利用ND序列的指数不等式以及ND序列的性质,给出了最近邻密度估计强相合速度的充分条件。     

混合序列均值变点的收敛速度研究

文考虑了一列具有均值变点的ρ~-混合序列{X_i;i=1,2,…,n}(n≥2),在X_i的q阶矩有限(q>2,1≤i≤n)的前提下,我们得到均值变点的CUSUM估计量的强弱相合性,并且得到强弱收敛速度。类似的在相同的前提下,本文得到了(?)混合序列中均值变点的强弱相合性以及强弱收敛速度.     

φ混合样本下频率插值密度估计的强相合性

Scott 1985年提出频率插值密度估计,并在独立样本条件下证明其均方误差收敛速度快于直方图估计,且达到与密度核估计一样的速度,所以它是一种较好的密度估计.Carbon等1997年在α混合样本下证明频率插值密度估计的强相合性及其收敛速度,Nadia和Sophie2010年将其结果推广到多元情形.本文则是将这些研究推广到φ混合样本情形,证明频率插值密度估计的强相合性,获得较好的收敛速度,并减弱了结论的条件.     

方向数据的核密度估计

文「１」提出了一种新的密度估计,并在ｉ．ｉ．ｄ的情形下得到了该估计的强相合性,本文在ρ－混合及φ－混合情形下也得到了该估计的强相合性。     

混合随机序列部分和的强收敛性

讨论了混合序列部分和的强收敛性,所得结果推广和改进了文献[1,2],并推广了Marcinkiewicz强大数律.     

-混合序列的强大数律和收敛速度

对于正相协和负相协随机变量序列,许多学者都进行了研究,并给出相关结果.受前人研究成果的启发,利用一般方法证明了-混合序列的强大数定律,并且得到了它的收敛速度和上确界的可积性.     

不同分布混合序列部分和的强收敛性

讨论不同分布ρ~混合序列部分和的强收敛性,所得结果推广和改进了文献[2]的结论,将同分布推广到不同分布。     

END样本最近邻密度估计的一致强相合速度

利用扩展负相依(END)序列的Bernstein型不等式,研究END样本最近邻密度估计的一致强相合速度,给出了一致强相合性收敛速度的充分条件,并得到了与NA样本相同的一致强相合收敛速度.     

P^＊-混合序列重对数律的收敛速度

利用截尾、矩不等式、矩和级数收敛的关系、Borel—Cantelli引理等研究了P^＊-混合序列{X,,i∈Z^d＋}重对数律的收敛速度,在较弱的矩条件下得到了与独立同分布（i．i．d）实值随机变量序列类似的结果,同时给出了P^＊-混合序列重对数律收敛速度的一种描述．     

Lipshitz条件下密度估计函数的收敛性

为了研究密度估计函数及其收敛性问题,构造了与f(x)相对应的密度函数估计fn(x),在连续的条件下证明了密度函数估计fn(x)是f(x)的渐近无偏估计、均方收敛估计和一致估计;在Lipshitz条件下讨论了当参数取不同值时fn(x)的均方收敛速度。该结果对密度估计工作有一定的推进。