φ 混合序列滑动和过程回归模型的相合性

 在误差为φ-混合序列的滑动和过程下,研究了其回归模型估计量的相合性问题。在一般的条件下,利用Cr不等式、Jensen不等式、Hlder不等式、φ-混合序列的矩不等式及其权函数的一些性质,给出了此回归模型估计量的q 阶平均相合性和一致q-阶平均相合性,推广了已获得的部分结果。     

ρ-混合相依下回归函数小波估计的相合性

考虑非参数回归模型：Yi = g（ti） ＋ ei （ 1≤ i ≤ n）。其中{ti}是固定设计点列,g（＊）是未知回归函数。令{ei}是ρ-混合相依平稳序列,在比较一般的条件下,研究了未知回归函数g（＊）小波估计的r阶平均相合性以及强相合性。     

基于平稳α-混合左删失数据众数核估计的渐近正态性

文章研究了基于平稳α-混合左删失数据下密度函数一阶、二阶导数的核估计及众数核估计,在一定的条件下获得了导数核估计量的强一致收敛性、收敛速度及众数核估计量的渐近正态性;同时给出了众数估计的置信区间,最后,通过数据模拟显示了主要结论的合理性.     

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.     

单指标时间序列模型参数估计

讨论了时间序列模型E(Y︱X)=G(θ^TX)的参数估计.采用核估计方法和平均导数法,在数据为户混合相依的情况下证明了该估计的渐近正态性.     

GARCH(1,1)模型参数的多变点检验

研究广义自回归条件异方差(GARCH)模型的多变点检验问题.基于残量累积和(RCUSUM)构造拟似然比检验统计量,对GARCH(1,1)模型中变点的个数和位置都未知的多变点进行检验.在上述过程中同时得到变点个数与位置的估计,并且证明了变点个数估计的一致性.数值模拟表明文中的方法是有效的.     

强混合删失数据密度函数估计的r阶相合性

在α-混合序列下,研究了基于删失数据的密度函数f(x)核估计的r(r>2)阶相合性,并给出了失效率函数λ(x)的估计,且证明了其r(r>2)阶相合性.     

PA样本非参数回归权函数估计的强相合性

在PA样本下，讨论非参数回归模型中权函数估计的强相合性及强一致相合性。     

论随机过程中最大似然估计的一致性

应用Cramér方法考察了向量参数的最大似然估计的一致性.观察被假定为构成离散时间的随机过程.本文的主旨在于一致性的结果是在仅对向量参数的各种线性函数的信息增长的相异性施加了较弱的限制下给出的,所有一致性结果以明了的阶结果的形式给出.     

S_p系统的强收敛性

讨论了一定条件下的φ-混合、ψ-混合随机变量序列是Sp系统,通过建立φ-混合、ψ-混合序列的矩不等式,研究了Sp系统的强收敛性,将独立同分布随机变量的Marcinkiewicz强大数定律推广到了ψ-混合、φ-混合序列.     

ψ-混合序列下分位数估计的强相合及其Bahadur表示

在ψ-混合序列下,利用指数不等式证明分位数估计的强相合性,并给出其Bahadur表示.     

_-混合序列的几乎处处收敛性

文章讨论了-混合序列的几乎处处收敛性,把独立同分布随机变量序列的相应结果较好地推广到同分布~ρ-混合序列,从而得到了若干个关于-混合序列的几乎处处收敛定理.     

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。     

相依函数型数据递推改良核回归估计的收敛性

研究了基于相依函数型数据非参数回归函数算子的估计问题,构造了非参数回归函数算子递归改良核估计,利用非参数函数型渐近理论,对估计量进行分解,建立了其递归改良核估计在α-混合相依函数型数据下的几乎完全收敛性及其收敛速度,推广了现有文献中的相关结果.     

最小Hellinger距离方法在扩散过程参数估计中的应用——基于转移密度的估计量

为了研究扩散过程的参数估计问题,本文基于最小Hellinger距离的定义给出了利用转移密度构造的参数估计量.首先定义了转移密度的非参数估计量并研究了它的性质(一致收敛性以及渐近正态性),然后通过最小化扩散过程的转移密度和该密度的一个非参数估计量之间的距离构造扩散过程的参数统计量,实现这一统计量的一致收敛性和渐近正态性.最后为了强调说明该方法的可行性,本文将这一方法应用于几何Brown运动和CEV模型这两个例子.     

混合随机阵列加权和的若干收敛性质

在{ank, 1≤k≤kn, n≥1}一致可积的条件
下, 利用〖AKρ~D〗混合、 〖AKφ~D〗混合序列矩不等式和截尾法, 证明了〖AKρ~D〗混
合、 〖AKφ~D〗混合阵列行加权和最大值max〖DD(〗〖〗1≤j≤kn〖DD)〗〖J
B((〗∑〖DD(〗j〖〗k=1〖DD)〗ankXnk-E∑〖DD(〗j〖〗k=1〖DD)〗ank
Xnk〖JB))〗的弱收敛、 Lr收敛和完全收敛性.     

一类非线性随机微分方程的参数估计

利用极大似然估计方法,考虑一类具有小扰动的非线性随机微分方程的参数估计问题.讨论小扰动项ε→0或时间T→∞时估计量的性质,证明了:当ε→0时,未知参数的估计量具有无偏性及渐近一致性;当ε取固定值和ε→0时,分别给出了估计量α~ε在T→∞时的渐近分布.最后给出数值模拟结果,验证了估计量的无偏性及其渐近正态性.     

双参数广义几何分布的Bayes估计及其应用

考虑具有双参数结构广义几何分布的Bayes估计问题, 给出分布中参数Bayes估计的精确表达式, 并将该分布应用于短期聚合风险模型中, 提出一类新的聚合风险模型, 给出分布函数的相关性质及聚合理赔量的近似模型. 数值模拟结果验证了Bayes估计具有渐近无偏性与相合性. 最后将该结果应用于汽车保险索赔数据中, 得到了不同索赔次数下的保单数量拟合结果.     

条件密度随机窗宽双重核估计的相合

在统计估计及检验中,有时涉及到基于样本(X_1,Y_1),…,(X_n,Y_n)直接估计未知条件密度f(yx)的不少参数方法,而双重核估计就是较常用的一种.许多学者已讨论了f(yx)的双重核估计量f_n(yx)的相合性及收敛速度,但从应用角度来看,此估计量仍有不便之处.在密度估计的情形,Devroye提出了“自动选择窗宽”核估计的概念,即窗宽完全由样本确定.本文推广这种思想于上述估计量,讨论其一致强相合性,并作为应用,顺便得到其“近邻估计”的强相合性.     

α-混合随机变量序列线性形式的强稳定性

研究了α-混合随机变量序列线性形式的强稳定性.利用随机变量的截尾术及强大数定律,得到了不同分布α-混合随机变量序列具有线性形式强稳定性的充分条件,在某种程度上推广了独立随机变量的线性形式的强稳定性的相应结果.