非参数回归核估计的强相合性

一、引言 设(X,Y),(X_1,Y_1),…,(X_n,Y_n)为取值R~d×R的i.i.d变量,以F记X的分布,Y对X的回归函数为m(x)=E(Y|X=x)。(1)最近,一些作者讨论了回归函数的估计问题。一类非参数核估计定义为     

回归函数改良核估计的相合性

一、引言及若干引理设(X_1,Y_1),…,(X_n,Y_n)为(X,Y)的前 n 个样本,(X,Y)为 R~d×R 上的随机向量,μ为 X 的概率分布,回归函数 m(x)=E(Y|X=x)的核估计为     

密度核估计强相合性的一致收敛速度

设X_1,…,X_n为取自一维总体的iid.样本,F(x)及f(x)分别为总体的分布函数和密度函数.取概率密度K(x)作为核,则可作出f(x)的核估计     

关于 U-统计量自助逼近的一点注记

设 X_1,X_2,…,X_n 是来自分布 F 的独立同分布子样,T(X_1,…,X_n;;F)是依赖 X_1,X_2,…,X_n 且与 F 有关的随机变量.又设 F_n 为基于 X_1,X_1,…,X_n 的观察值 x_1,x_2,…x_n 的经验分布函数,而 Y_1,Y_2,…,Y_n 为来自 F_n 的独立同分布子样.所谓自助(bootstrap)法,即是以 T(Y_1,…,Y_n;F_n)在 F_n 下的分布去估计 T(X_1,…,X_n;F)在 F 下的分布.Bickol 与Freedman 在[1]中讨论了 U-统计量自助逼近的可能性.设 h(x,y)为关于变元对称的 Borel     

回归函数的最近邻估计之大偏差概率的指数率

设(X,Y)是取值于 R~d×R~1 的随机变量,其 X 的边缘分布为 v,Y 关于 X 的条件分布函数为 F(y|x).于是变量 Y 关于 X 的回归函数即条件期望为r(x)=∫_(R~1)ydF(y|x).(1.1)设(X_1,Y_1),…,(X_n,Y_n)是(X,Y) 的一组独立观测值,或称为(X,Y)的一组样本.对固定的 x∈R~d,记(R_(1,x)~(?),…,R_(n,x)~(?)为(1,…,n)的一个随机置换,     

非参数回归核估计的条件平均绝对误差的指数收敛速度

设(X,Y)、(X,Y_1),…,(X_n,Y_n)是取值于 R~d×R~1的 iid。随机向量,E|Y|<∞,在本文中将一直采用下面的记号:Z_n={(X_i,Y_i),i=1,…,n}—(X,Y)的已知样本。X~n={X_1,…,X_n}。Q——X 的概率分布测度。m(x)=E(Y|X=x)——Y 对 X 的回归函数。现设有了 Z_(?)并指定了 R~d 中的一个点 x,要依据它们对 m(x)作出估计。这就是一般的非参数回归问题。核估计法就是先选定 R~d 上定义的非负函数 K(x)作为核函数,那么可给出 m(x)的一个核估计     

Hill估计的重对数律

设{X_n,n≥1}是 i.i.d.序列,分布函数具有形式 F(x)=1-,x>0,其中 L(x)是缓慢变化函数,0相似文献   

一类密度函数最近邻估计的一致收敛速度

<正> 设 X_1,X_2,…,X_n 是来自 R_d(d≥1)上的具分布函数 F(x)的总体的 iid.样本.F(x)有概率密度 f(x),k=k(n)是与 n 有关的自然数.找最小正数 a_n(x),使得     

用投影寻踪自助法进行多元分布函数的拟合优度检验

文中记 F 为 q 维分布函数,P 是概率测度,P_F 是由分布函数 F 所规定的概率测度.在进行统计推断时,常常需要知道统计量 R(X_1,…,X_n;F)的分布 J_n(x,F)=P_F(R(X_1,(?),X_n;F)≤x),其中 X_1,…,X_n i i d～F,i i d 表独立同分布,或者用 R(X_1,…,X_n;F)的极限分布 J(x,F).但是 J_n(x,F)和 J(x,F)经常与 F 有关,即使 F 知道,J_n(x,F)和 J(x,F)的确切表达式大多是不知道的.倘若 F 未知,就更难知道 J_n(x,F)     

非参数回归函数最近邻估计的强收敛速度

<正> §1.引言 设(X,Y),(X_1,Y_1),…,(X_n,Y_n)为iid d×1维随机向量,E|Y|<∞.对x=(x~(1)),…,x~(d))∈R~d,取‖x‖为欧氏模或对固定的x∈R~d,将(X_1,Y_1),…,(X_n,Y_n)按照     

导函数的修正三次Hermit样条插值逼近

在本文中，我们建立了修正三次Ｈｅｒｍｉｔ样条插值函数，并且证明了修正三次Ｈｅｒ－ｍｉｔ样条函数能以ｈ４的精度逼近充分光滑函数的各阶导数。     

论一类整函数的牛顿级数展式

本文给出级小于1的整函数的牛顿级数展式的充要条件．     

ON THE DISTRIBUTION OF VALUES AND DEFICIENT FUNCTION OF A GENERAL RANDOM INTEGRAL FUNCTION

We consider the random power serie8aoIw(z) = ZX.(w)z", (1)n =Owhere {Xn} is a 8equence of complex random variables in a probability spare (Q, F, P).Lemma 1 Supose that {Xn) is independent ai1d that there exists a positive coustallt crsuch thatVn 2 l, o'a: = a'ElXn l' S E'lX.l < oo. (2)Then for w e n, there exists a natural nunther N(w) a.s. such that for n > N(w)IXn(w)l 5 nrrn. (3)If {X.* } is any subsequence Of {X.}, thenP (ltL(lXn*l 2;rru*) = l. (4)Proof When ny = 0,X. = 0 a.s. …     

ON THE EXISTENCE OF ZERO POINTS OF A CONTINUOUS FUNCTION

IPreliminarlesTheee。etOOk totot比OO。stsllCCdCSdO‘lOll‘。山OOqll时1OO/(。)＝。,SS山 SFSSdPoint Theorems[‘’,”],Degree Theory【9,15]．In general these are used when f aPPlies a set ora space on itself．Cm眈inn眈ion Methods can be used to test the existence ofa solution whenf pplies a set or a sp。e on it咖‘－’,”－“l,or aPPlies a set or sP。m another sP。,s。M see here．wrthermore,contlnuulon methods pve us the exlstence ofcurves wb讪 can beused to CalCttlue the Sdutionsl6…     

一個多元函數的內插公式

本文介绍一个新型多元函数结构.它在一定条件下: 1)可根据一定的已知数值决定函数的其他近似值, 2)可作为构成经验公式的骨架.     

一类非线性回归的两类估计的收敛性

一、引言设(X,Y),((?)_1,(?)_1),((?)_2,(?)_2)为取值于 R~d×R~d'的 i.i.d.随机变量。苏淳、缪柏其在[1]中讨论了非线性回归函数(?)(x)=E{h((?)_1,(?)_2)|(?)_1=(?)_2=x}的近邻估计,这里h(y_1,y_2)为定义于 R~(2d′)上的对称实值 Borel 可测函数.[1]中得到了一系列相合性结果,本文将其推广到更一般的情况     

一個簡單的不可微分的連續函數

<正> 引言 不可微分的連續函數,已經有了很多有名的例子.但是都多少有些困難,不能為初學者所接受.筆者最近發現一個這種函數的例子.除函數概念,連續性與可微分性等幾個必要的概念外,不需要其他的理論.     

布尔函数Walsh变换的非零取值个数

设Wf(y)(y∈F2^r)是布尔函数f：F2^r→F2的Walsh变换．Sf为Wf(y)≠0的y个数，S为所有Sf的并集(其中f过所有可能的布尔函数)．决定集合S是通信和信息安全领域一个重要问题．本文利用群环工具给出研究这一问题的新方法．用这种方法以统一方式证明了[4]中的结果．并利用群环方法给出了关于集合S的一系列新结果．     

一类非线性回归的近邻估计

一、引言设 X 和 Y 分别为 d 维与1维的随机变量,对 x∈R~d,以 F_x 记 Y|x 的分布.我们来考虑定义在 {F_x∶x∈R~d}上的泛函 (?)(x).当 (?)(x) 具有适当的形式时,(?)(x) 可以有一个无偏估计 g(Z_1,…,Z_k),这里 Z_1,…,Z_k 为独立且同服从于 F_x 的随机变量,比如在 Hoeffding U-统计量的场合.为方便计,我们仅考虑具有2维对称核的场合.