混合样本下递推核估计的强相合性

讨论了φ混合下递推核估计及递推改良核估计的强相合性,其中的递推核估计中对φ混合速度要求比文献（１）中对φ混合的速度要求弱得多。     

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．     

回归函数改良核估计的强相合性

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.     

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.     

相依样本下回归函数核估计的强相合性

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．     

END样本下递归密度函数估计的相合性

同分布扩展负相依(extended negatively dependent, END)随机样本具有未知的概率密度函数。 在适当的条件下证明了一类递归密度函数核估计的强相合性和r-阶矩相合性。     

可加模型中低维分量近邻估计的强相合性

采用Linton & Nielsen(1995)提出的直接估计法,给出了可加模型分量的最近邻估计,并在应变量的一定的矩条件下,讨论了这种估计的强相合性及一致强相合性.     

m（n）相依样本回归函数改良核估计的强相合性

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...     

可加模型中低维分量核估计的强相合性

该文采用Ｌｉｎｔｏｎ ＆ Ｎｉｅｌｓｅｎ（１９９５） 提出的基于边际积分的直接估计法，给出了可加模型中可加分量的核估计． 在应变量一定的矩条件下，建立了这种估计的强相合性．     

PA样本下一般形式的密度估计

在PA样本下讨论一般形式密度估计的矩相合性和强相合性.     

m-WOD序列密度函数和失效率函数核估计的强相合性

设{Xn, n≥1}为一同分布的m 宽象限相依(m-WOD)序列, f_n(x),r_n(x)分别为密度函数f(x)基于样本X₁,X₂,…,X_n的核估计和失效率函数核估计. 在适当的假设条件下, 利用m-WOD序列的矩不等式和Borel Cantell 引理, 证明核密度估计及失效率函数核估计的强相合性和一致强相合性.     

L_1核密度估计的弱相合和完全相合性

设x_n的密度函数为f(x),X∈R~d,f_n(x)=(nh~d)~(-1)sum from i-1 to n k((x-x_i)/h)为f的核估计,其中0相似文献   

相依样本下回归函数之改良核估计的强相合性

本文在样本序列为同分布Φ-混合的情形下讨论了回归函数之改良核估计的强相合性,同时也给出了强收敛速度。     

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。     

最近邻估计的局部一致强收敛速度

设 X_1,X_2,…,X_n,i.i.d.是具有概率密度函数 f(x)的随机变量,定义(x)=(na_n(x))~(-1)K((X_i-x)/α_n(x)),n≥1。本文中,我们在某些紧集 B 上讨论了了(x)一致强收敛于 f(x)的速度.若{c_n}是任意一个趋于无穷的数列,我们得到:c_n~(-1)(n/logn)~(m/(2m 1))|~n(x)-f(x)|→0,α.e.n→∞.