条件密度近邻－核估计的逼近速度

本文首先研究了条件密度函数近邻－核估计的误差分布的正态逼近精度,然后利用随机加权法构造了近邻－核估计的随机加权统计量,获得了随机加权逼近精度。     

非参数回归函数估计的随机加权逼近

本文应用随机加权法的思想构造了回归函数的最近邻估计和核估计的随机加权统计量,并证明了用随机加权统计量的分布逼近两类估计量的分布之精度可达到ｏ（ｎ~（－１／２Ｐ）,其中１＜ｐ ≤ ２．     

最近邻回归估计的随机加权逼近

研究了一种最近邻回归估计的分布逼近问题，利用随机加权法，给出了最近邻回归估计误差的逼近分布及其逼近的精度，从而改进了文献「１」的结论。     

条件密度的近邻-核估计及其Bootstrap逼近

本文讨论了条件密度的近邻-核估计及其Bootstrap逼近的问题，证明了条件密度近邻-核估计的渐近正志性，Bootstrap逼近的相合性，讨论了有关的收敛速度．     

密度核估计的随机加权法

利用随机加权法的思想,找出概率密度函数估计的随机加权统计量,在适当的条件下证明随机加权分布逼近核估计误差分布的精度为     

线性模型中误差方差估计的随机加权逼近

本文利用对样本随机加权的思想,构造了线性模型中误差方差估计的抽样分布的一种新的逼近,与传统的Boostrop方法相比,随机加权逼近不需要样本独立同分布的假设,在很广泛的条件下,我们证明了新逼近方法的相合性。     

标准化样本均值分布的随机加权逼近—多维情形

本文考虑多维标准化样本均值分布的随机加权逼近,得到了O((?)~(-1/2))的最优精度,从而拓广了随机加权法的应用范围.     

有Edgeworth展式的分布的随机加权逼近的重对数律

本文研究了未知分布的逼近问题，利用随机加权法，给出了有Edgeworth展式的一类（未知）分布的模拟分布，证明了在一定条件下，模拟分布与未知分布的逼近精度达到O(n^-1√lnlnn），称之为随机加权逼近的重对数律。     

非参数回归函数的κn近邻估计的渐近性质及其Bootstrap逼近

本文研究回归函数的κn-近邻估计的渐近性质,得到了回归函数的κn-近邻估计的渐近正态性和它的Bootstrap统计量的相合性.在高阶矩存在的条件下,我们证明了回归函数的κn-近邻估计的Bootstrap逼近比正态逼近更精确.     

非参数回归函数的kn近邻估计的渐近性质及其Bootstrap逼近

本文研究回归函数的kn-近邻估计的渐近性质,得到了回归函数的kn－近邻估计的渐近正态性和它的Bootstrap统计量的相合性,在高阶矩存在的条件下,我们证明了回归函数的kn-近邻估计的Bootstrap逼近比正态逼近更精确。     

半参数回归模型中小波估计的随机加权逼近速度

把小波光滑方法和随机加权方法结合在一起，获得了半参数回归模型中参数分量的小波估计的随机加权逼近速度为σ(n^-1/2)。因此，从大样本意义上说，小波光滑方法和随机加权方法对半参数回归模型是可用的。     

随机删失下概率密度核估计的光滑Bootstrap逼近

本文研究随机删失概率密度估计的光ｂｏｏｔｓｔｒａｐ逼近。给出了光滑ｂｏｏｔｓｔｒａｐ逼近成立的充分条件，并证明了概率密度的光滑ｂｏｏｔｓｔｒａｐ估计方差几乎处处收敛到概率密度核估计的渐近方差。     

概率密度函数核估计的Bootstrap逼近

主要研究了密度函数核估计逼近的速度,用Bootstrap方法对核密度进行估计,在适当的条件下,进一步提高了密度核估计Bootstrap逼近的速度,所得到的结果使得密度核估计Bootstrap逼近的速度与密度函数及其导数之间的关系更加的明确.     

高维代数多项式逼近与a.e.逼近的一些结果

自Korovkin的文[1]问世以来,有关线性正算子逼近的各种工作一直是颇受逼近论界关注的研究课题,如[2]～[4]等分别考虑了连续函数,L~p空间及随机函数的正算子逼近.然而在一元逼近中,由积分核引出的卷积与形式卷积型算子却占有极为重要的地位,这不仅因为已经有较多具体的积分核能方便地用于误差估计;特别,还有一些如Timan定理那样     

随机加权法在密度估计中的应用

本文给出了概率密度函数的椭机加权估计，证明了承机加权分布与密度估计的标准化估计量的分布的逼近精度可达到ｏ（１／√ｎｈ），并且构造了Ｅｆｎ（ｘ）的置信区间，其中ｆｎ（ｘ）为密度函数的核估计，ｈ＝ｈｎ炒估计的窗宽。     

神经网络的加权本质逼近阶

证明了具有单一隐层的神经网络在L_ω~q的逼近,获得了网络逼近的上界估计和下界估计.这一结果揭示了神经网络在加权逼近的意义下,网络的收敛阶与隐层单元个数之间的关系,为神经网络的应用提供了重要的理论基础.     

均值误差的随机加权逼近的重对数律──非独立同分布情况

讨论了独立不同分布情况下均值误差的分布估计问题,用随机加权法给出了精度为O(√lnlnn/n)的逼近分布.     

L—统计量的随机加权逼近

本文用随机加权法构造了L—统计量的未知分布的逼近,我们讨论了这种随机加权逼近的相合性及逼近精确度。     

条件t-分位数核估计的逼近速度

该文研究了条件狋 分位数核估计的逼近速度问题．在适当的条件下,给出了核估计的强收敛速度、正态逼近速度和Ｂｏｏｔｓｔｒａｐ逼近速度．     

线性模型M估计分布的Bootstrap逼近的强收敛

本文讨论标准线性模型M估计分布的随机加权逼近，建立了随机加权M估计的线性表示及Bootstrap强逼近，同时还得到了逼近的一致强收敛速度，其主要部分的阶在Berry－Esseen意义下已达最优．