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.     

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.     

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.     

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。     

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.     

END样本最近邻密度估计渐近正态性的收敛速度

在END样本下研究最近邻密度估计的渐近正态性.在适当的条件下给出最近邻密度估计渐近正态性的收敛速度,这个速度几乎达到n~(-1/2).     

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.     

NQD样本下非参数回归函数最近邻密度估计的相合性

在样本为平衡的两两 NQD的情况下得到了非参数回归函数m(x) 的最近邻估计mn(x) 的相合性.得到弱相合的充分条件比在样本序列((xn,yn),n≥1)为平稳-混合情况下得到的mn(x)的弱相合性的充分条件弱.     

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。     

NQD样本下非参数回归函数最近邻密度估计的强相合性

本文在样本为平稳的两两NQD的情况下得到了非参数回归函数m(x)的最近邻估计mn(x)的强相合性.在条件不变的情况下获得了与独立情形一样的mn(x)是强相合的充分条件.     

END样本下边缘频率插值密度估计的一致强相合性

在END样本下,研究一种由Jones等于1998年提出的非参数密度估计:边缘频率插值密度估计.本研究利用Bernstein型不等式,在较弱的假设条件下,证明该估计的一致强相合性,并得到相应的收敛速度.所得结果推广和改进了文献已有结果.     

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。     

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。     

相依样本核密度估计的L_1模相合性

设X_1,X_2,…是R~d上平稳φ混合随机样本,有公共的末知密度f(X).h_n>0是仅同n有关的常数,K是定义于R~d上的一已知概率密度函数.基于X_1,X_2,…X_n定义f(x)的核估计为     

删失数据下NA样本核密度估计的相合性

在｛Xn;n≥1｝和｛Yn;n≥1｝是相互独立的同分布NA随机变量序列的情形下,研究了随机删失数据下概率密度函数的核估计,获得了此核估计的逐点强相合性和一致强相合性。     

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.     

非参数回归函数最近邻估计的相合性

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。     

α-混合序列的最近邻密度估计

设 {Xn} ∞n =1是一维平稳过程 ,具有公共未知密度f(x) ,在假设过程 {Xn} ∞n =1是α -混合的情形下 ,讨论了基于前n个观测值 {Xi} ni=1的 f(x)的最近邻估计的逐点相合性、一致相合性以及收敛速度     

平稳序列回归函数的最近邻估计的相合性

0 引言设(X,Y),(X_1,Y_1),…,(X_n,Y_n),…是R~d×R~1上的平稳φ-混合序列,即满足 sup sup |P(B|F_1~m)-P(B)—≤φ(n) B∈F_(m+n)~∞其中:F_a~b=σ(X_i,Y_i,a≤i≤b),φ(n)→0(n→∞),又设E|Y|<∞,m(x)=E(Y|X=x)