有限总体U-统计量正态逼近的非一致性界限(Ⅱ)(英文)

本文建立了有限总体U-统计量正态逼近的非一致性界限。本文分成两部分。在部分(Ⅰ),我们对有限总体抽样的部分和建立了一个类似的结果和六个引理(见本刊1989,Vol.19,No.1,PP.25-37)。在这一部分,即部分(Ⅱ),我们将完成关于有限总体U-统计量的这一定理的证明。     

独立随机变量之和的分布函数的渐近展开

七十年代,Osipov等人对独立同分布情形下的渐近展开余项的非一致性估计,获得了理想结果,但对独立非同分布情形,至今仍未得到相应的一般结果,虽然也有某些成果,但所加条件过苛,难以验证,且与独立同分布情形下的结果相比,显得很不自然,最近我们研究了这一问题,得到了与独立同分布情形下的Osipov定理同样深刻的结论。     

关于线性模型中误差估计的Berry-ESSeen界限

引言考虑线性回归模型Y_i=x_iβ e_i,i=1,2,…,n,….(1)试验点列{x_i}为一列已知的P-维向量,β为未知的回归系数向量,{e(?)}为一列独立的试验误差,满足条件:Ee(?)=0,Vare(?)=σ~2,0<σ~2<∞,(?)=1,2,…,(2)误差方差σ~2是线性模型中的一个重要未知参数,若记X(?)=(x_1(?)…(?)x(?)),(?)=rank X(?),Y(?)=(Y_1,…,y(?))′,e(?)=(e_1,e_2,…,e(?))′则在(1)式的前n 次试验结果的基础上,最小二乘法规定以     

线性模型中误差方差估计的强相合性的充要条件

考虑通常的线性模型y_i=x_i′β+e_i,i=1,2,…,n,…,(1)此处{x_i}是试验点列,是一串已知的p维向量,β为未知的p维回归系数向量,{e_i}为随机误差序列,满足条件     

正交级数密度估计积分平方误差的极限定理

论文研究了密度函数正交级数的积分平方误差（ISE）的渐近性质。在相当弱的条件下,证明了ISE正则化后的渐近分布等同于一列独立的中心化后的χ^21随机变量的线性组合的分布。     

有限总体U统计量正态逼近的非一致界限

设一有限总体A_N有N个元素,其指标值为a_(N1),…,a_(NN),从中无放回地抽取大小为n的随机样本X_1,…,X_n,设φ(x,y)=φ_N(x,y)为关于x、y对称的二元Borel可测函数,称     

线性模型随机加权自助法的渐近有效性

讨论了逼近线性模型中Ｍ估计分布的随机加权自助法,在一般的条件下证明了这种方法是强有效的。     

线性模型中误差方差估计推广的Berry-Esseen界限

在线性模型中随机误差的方差常用剩余平方和除以适当的自由度来估计,陈希孺教授(1981),白志东、赵林城(1982)在随机误差具有6阶矩的假设条件下,证明了这一估计经标准化后其分布以理想的速度O(1/n~(1/2))收剑于标准正态分布。在本文中,我们把这一结果推广到更一般的情形中,即在误差具有4+2δ(0<δ≤1)阶矩的假设条件下,证明了理想的收敛速度O(n~(-δ)/~2)。这一结果与独立变量和的情形相同。     

关于线性模型中误差方差估计的Berry-Esseen界限

考虑线性回归模型Y_j=X_j~′β+e_j,j=1,2,…,n,…,(1)其中{X_j}为已知的p维向量列,β为未知回归系数向量,{e_j}为一列独立试验误差,满足条件Ee_j=0,Vare_j=σ~2,0<σ~2<∞,j=1,2,…。(2) 误差方差是一个重要的待估参量。若记