关于U—统计计量渐近正态余项级数的收敛性

设x_1,…,x_n…独立,但不必同分布,h(x,y)是对称的Borel可测函数。U_n=(n/2)~(-1)。■h(x_i,x_j),在一定条件下,我们给出了U_n渐正正态余项级数收敛的充要条件,推广了[1]的结果。     

关于Von-Mises统计量渐近正态收敛速度的进一步讨论

本文讨论了Von Mises统计量向正态逼近的一致收敛速度问题 ,在核函数仅满足二阶矩条件下 ,给　　出了上述收敛速度的上、下界 ,所得结果改进了 [2 ]中相应结论     

一种推广的Pickands型估计的渐近正态性

文献 [1] ,[2 ]给出了一种推广的 Pickands型估计 ,并证明了它的相合性。本文运用典型方法进一步研究了这种 Pickands型估计的渐近正态性 ,并给出了其证明     

单个总体方差差异的U统计量检验法

给出一种利用非参数统计中U统计量构造检验单个总体方差差异的方法,与χ2检验法相比,该方法不仅适用于更宽泛的场合,而且其渐近相对效率为1.     

两总体分布均值相等的U统计量检验法

在任意总体分布且方差未必相等的情形下,给出了两总体分布均值相等的U统计量检验法,并讨论了检验统计量的相合性、渐近正态性及检验的功效.     

一种推广的Pickands型估计近正态性

文献[1],[2]给出了一种推广的Pickands型估计,并证明了它的相合性。本文运用典型方法进一步研究了这种Pickands型估计的渐近正态性,并给出了其证明。     

两总体方差差异的U统计量检验法

本文利用非参数统计中U统计量的构造方法给出一种检验两总体方差差异的方法,与F检验相比,该方法有更宽泛的适用场合.     

一类具有渐近正态的统计量的随机加权逼近

对一类具有渐近正态的统计量 ,找到了适用于它们的共同的随机加权逼近方法 ,并研究了它的相合性、一致及非一致逼近速度     

同分布NA序列更新过程的渐近正态性

讨论了一般的同分布NA随机变量列更新过程的渐近正态性问题,并将强平稳NA列作为一个推论,得到了其更新过程的相应结果.     

适应性滤波算法的渐近正态性

设{x_n}是一个递推的适应性滤波序列,本文将给出在较一般信号条件下,n~(1/2)(x_o-x~*)具有渐近正态性,这儿x~*是最小均方意义下的最优值。     

多组独立样本下一般统计函数的渐近性质

统计学家PaulJanseen等人于1984年引入了一般统计函数类，巧妙地运用Gateaux微分及U统计量的一些结果得到了一般统计函数类的渐近正态性质，本文在他们工作的基础上进行了推广，引入了多组样本条件下的一般统计函数类，并利用Generalized-U统计量的性质及Gateaux微分得到了多组独立样本下一般统计函数的渐近正态性质。     

最大似然估计的相合性、渐近正态性及重对数律

设有样本｛Ｙｉ，Ｚｉ｝，ｉ＝１，２，…，ｎ，其中：Ｙｉ＝ｍｉｎ（Ｘｉ，Ｔｉ），Ｚｉ＝Ｉ（ＸＩ≤Ｔｉ）．假定Ｘ１，Ｘ２，…，Ｘｎ相互独立，有共同的分布函数ＦＸ（ｘ）＝１－ｅ－αＱ（βｘ），Ｔ１，Ｔ２，…，Ｔｎ相互独立，分布函数分别为Ｇ１（ｔ），Ｇ２（ｔ），…，Ｇｎ（ｔ）本文给出参数（α，β）的最大似然估计具有相合性、渐近正态性及重对数律的一个充分条件，然后验证Ｌｏｍａｘ分布满足该条件     

部分线性模型中L1-估计量的渐近正态性

给定部分线性模型Y=X'β0+g(t)+e,其中β0是一k×1未知参数向量,g(·)是一未知的光滑函数,e为一随机误差.我们先用一逐段多项式gn逼近未知函数g,然后用最小一乘法得到未知参数β0的最小绝对偏差估计量β.在较弱的条件下我们推导了估计量β的渐近正态性.     

强混合误差下回归函数小波估计的渐近正态性

文章讨论异方差非参数回归模型,在随机误差序列{ei,i≥1}为α^-混合情形下,建立了回归函数g（·）的小波估计,并得到了该估计的渐近正态性,这些结果推广了梁汉营等人（2007年）在NA情形下的结论．     

有重复观测时多维线形EV模型参数估计的渐近正态性

研究了多维线形EV模型 ,证明了参数估计的渐近正态性     

扩散模型复合分位回归估计的渐近正态性

主要研究扩散模型中漂移函数的复合分位回归估计的渐近正态性.基于离散观测样本,利用复合分位回归的方法得到了漂移参数函数的局部估计量,并证明了估计量的渐近正态性.     

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。     

反对称正交反对称矩阵的反问题可解的条件

讨论了反对称正交反对称矩阵的反问题．首先,得到了反问题可解的充分必要条件及可解时解集合的表达式;其次,给出了可解时解集合中与给定矩阵最佳逼近的解;最后,给出了算法及例子．     

缺失数据下线性模型响应变量均值估计的渐近正态性

考虑响应变量随机缺失下线性模型响应变量均值的估计问题,分别获得了基于完全观测样本数据、线性回归插补后的“完全样本”和逆概率加权插补后的“完全样本”得到的响应变量均值估计,并证明了其渐近正态性．