共查询到20条相似文献,搜索用时 15 毫秒
1.
不论数据是独立的还是相依的,在非参数和半参数模型中,都涉及到对未知均值函数或者对某函数的未知条件期望的估计.本文针对这一问题,在比较弱的条件下,给出在数据是α-混合相依时一般函数的条件数学期望的估计,并讨论了它的一致收敛速度. 相似文献
2.
3.
相依样本下污染线性模型的最近邻估计 总被引:2,自引:0,他引:2
考虑一般线性模型,设误差序列{ei}是平稳的α-混合序列,具有公共未知密度,f(x).本文首先讨论了基于残差的f(x)的最近邻估计的相合性及收敛速度,然后把结论推广到污染线性模型,讨论了污染系数ε,误差的主体分布及回归系数β的估计的相合性,收敛速度以及(β|^)的渐近正态性. 相似文献
4.
5.
相依数据下一般函数核估计的强一致收敛速度 总被引:2,自引:0,他引:2
在很多统计回归模型中,都涉及到对未知均值函数或者对某已知函数的未知条件数学期望的估计.本文针对这一问题,给出在数据是α-混合相依时一般函数的条件数学期望的核估计,并讨论它的强一致收敛速度. 相似文献
6.
《数学的实践与认识》2015,(9)
用线性乘数算子定义了单叶负系数解析函数族J_(λ,μ)~L(α,β),讨论得到其极值点和修正卷积的参变量值,并利用极值点理论对J_(λ,μ)~L(α,β)中有限阶导函数模的界作了精确估计,主要结论可以自然覆盖相关的子类. 相似文献
7.
研究随机设计下噪声为厚尾随机变量时非参数函数中的变点估计问题.首先,通过设计变换将随机设计转化为等间距固定设计,进而利用小波方法估计变换后的变点的位置,再利用逆设计变换求得随机设计下变点位置的估计,并给出估计的收敛速度.模拟研究结果说明对于无穷方差厚尾过程中的变点估计问题小波方法是有效的. 相似文献
8.
9.
叶阿忠 《数学的实践与认识》2005,35(10):94-98
在随机设计(模型中所有变量为随机变量)下,提出了非参数计量经济模型的变窗宽局部线性估计,并利用概率论中大数定理和中心极限定理,在内点处证明了它的一致性和渐近正态性.它在内点处的收敛速度达到了非参数函数估计的最优收敛速度. 相似文献
10.
小波级数的部分和的逐点收敛性 总被引:1,自引:0,他引:1
对小波级数的部分和的逐点收敛性进行了讨论,通过引入函数空间L2r(R),研究了函数f∈L2r(R)的小波级数的部分和fn的r阶导数对f(r)的逐点逼近问题.当函数f(r)在点x处连续时,建立了逼近速度的一个精确估计,进而得到了相关的逐点收敛定理.其次,当点x为函数f(r)的第一类间断点时,建立了f(r)n对f(r)在点x处的左右极限的算术平均值的收敛速度的一个估计. 相似文献
11.
本文讨论方向数据密度函数核估计的逐点收敛速度问题,在较为温和的条件下建立了该核估计的重对数律并给出了它的逐点最优收敛速度. 相似文献
12.
在平稳NA样本下,讨论了未知密度函数估计的一致渐近正态性.在适当的条件下给出了该密度函数估计一致渐近正态性的收敛速度.这个速度几乎达到n^{-1/6} 相似文献
13.
利用从属关系给出|(g(z)/f(z))~α|的估计.运用构造一个非负函数和对复变函数模的积分进行估计的方法,对β级α型Bazilevi函数类Bα(β)的对数系数bn进行研究.所得结果推广了一些作者的相关结果. 相似文献
14.
Cox-Ingersoll-Ross模型的统计推断 总被引:1,自引:0,他引:1
本文研究了Cox—Ingersoll—Ross模型的统计推断问题.给出了CIR过程的平稳均值m与平稳方差v的矩估计,并利用m和v给出了CIR过程中尺度参数α与波动率β之间的关系,讨论了参数α的条件矩估计和渐近极大似然估计.并通过数值模拟对条件矩估计,渐近极大似然估计这两种方法作了比较. 相似文献
15.
讨论了独立同分布样本情形下一类连续型单参数指数族参数的经验Bayes(EB)单侧检验问题.利用密度函数的递归核估计构造了参数的EB检验函数.在适当的条件下,证明了所提出的EB检验函数的渐近最优性,并获得了其收敛速度.最后,给出了一个满足文中主要结果的例子. 相似文献
16.
设平稳序列 其共同分布为F。本文研究了β-混合和α-混合序列的经验过程增量,在混合速度为非指数速度的情况下给出了经验过程增量的强收敛和弱收敛意义下的收敛速度,在分布函数F绝对连续时,构造了核光滑经验分布函数估计,并利用经验过程增量的收敛速度建立了该光滑经验分布函数逼近及真分布函数的收敛速度。 相似文献
17.
本文提出了利用一维核函数构造多维密度函数一个新估计的方法.首先利用球极投影变换将具有密度f(x),X∈Rd的样本变换为具有密度g(y),y∈Ωd 1={y:y∈Rd 1,‖y‖=1)的样本.其次,建立f与g的关系.最后,利用球面数据密度核估计构造f的一个新估计f^n.在核K及密度f(x)满足一定条件(见§1定理1.1)下,获得了f^n到,的逐点强收敛速度. 相似文献
18.
本文提出了利用一维核函数构造多维密度函数一个新估计的方法.首先利用球极投影变换将具有密度f(x),x∈Rd的样本变换为具有密度g(y),y∈Ωd+1={yy∈Rd+1,‖y‖=1}的样本.其次,建立f与g的关系.最后,利用球面数据密度核估计构造f的一个新估计fn.在核K及密度f(x)满足一定条件(见§1定理1.1)下,获得了(f∧)n到f的逐点强收敛速度. 相似文献
19.
本文在同分布负相伴样本情形下利用密度函数的核估计构造了线性指数分布参数的经验Bayes(EB)估计,并在适当的条件下获得了它的收敛速度.最后,给出了一个有关本文主要结果的例子. 相似文献