一类Pickands型估计量的收敛性

本文在极值分布指数为负时,给出了一类新的Pickands型估计量,并研究此估计量的相合性、强收敛速度与浙近分布。     

负极值指标估计量的渐近性质

当极值指标小于0时,该文提出了一种负极值指标估计量,证明了该估计量的弱相合性和强相合性;在二阶正规变化条件下,通过限制正规变化函数的收敛速度,给出了强收敛速度和渐近展式,证明了渐近正态性,并对平滑参数的最优选择进行了讨论.     

半参数方差误差模型的估计

本文综合近邻权函数法及最小二乘法，用两阶段最小二乘估计的方法得到了半参数EV模型中参数的估计量及其强相合性，渐近正态性。同时也得到了非参数函数的估计量及其强相合性，一致强相合性。     

固定设计下半参数回归模型估计的相合性

对于固定设计下的半参数模型yi=x1β g(ti)┬ei=1，2……，n本文综合最小二乘法和一般的非参数权估计方法，定义了β，g的估计量-βn，-gn及误差方差口α^2=Ee^21的估计量-α^2n，并在适当条件下，证明了它们的强相合性与P(≥2)阶平均相合性．     

扩散过程瞬时波动率核估计的强相合性（英文）

资产价格的波动性是学者们十分关注的重要研究课题.近年来,学者们提出了许多波动率的估计方法,并研究了估计量的相合性和渐近正态性.本文重点研究了Kristensen[26]提出的NW型瞬时波动率核估计,指出其证明过程中存在的一些错误,并在合理的条件下进一步推导了估计量的强相合性和一致强相合性.     

固定设计下一类半参数回归模型的渐近性质

对固定设计下的一类半参数回归模型yi=xiβ+g(xi)+ei,i=1,2,…,n,综合最小二乘和非参数权函数估计方法,定义了,βg的估计量β∧n,gn∧及误差方差σ2的估计量σ2n∧.在适当条件下,证明它们具有强相合性和p(2)阶平均相合性.模拟的结果表明所得结果具有优良的性质.     

混合误差半参数回归模型估计的强相合性

对半参数模型y（n）i＝β（n）xi＋g（t（n）i）＋ε（n）i，i＝1，2，…，n，综合运用最小二来法和非参数估计法，定义了β，g的估计量　，gn，在误差为某些混合序列下，得到了，gn（t）的强相合性及gn（t）的一致强相合性．     

扩散系数小波估计的强相合性

本文研究了一维扩散方程中扩散系数的非参数估计,给出了有界Lipschitz扩散系数的线性小波估计,证明了所得估计量的强相合性.     

扩散系数小波估计的强相合性

本文研究了一维扩散方程中扩散系数的非参数估计,给出了有界Lipschitz扩散系数的线性小波估计,证明了所得估计量的强相合性.     

一类新的半参数回归模型中的相合估计

对一类新的半参数回归模型本文综合最小二乘和权函数估计方法，定义了β，ｇ的估计量β＿（ｍ，ｎ）和ｇ＿（ｍ，ｎ）（ｘ），在简洁合理的条件下，证明了它们具有强相合性与ｒ（＞２）阶平均相合性。     

一类简化的Pickands型估计

本文研究了一类简化的Ｐｉｃｋａｎｄｓ型估计的相合性，渐近正态性和强收敛速度。     

i.i.d情况下非参数回归模型的误差密度估计的收敛性质

本文研究了i．i．d情况下非参数回归的误差密度估计的一致收敛和均方收敛，给出了一定条件下误差密度的估计量f^n(x)的一致收敛速度和均方收敛速度。     

删失数据的光滑乘积限估计的渐近性质

在删失数据的模型下，对于光滑未知的分布函数Ｆ０，文中提出了光滑化的方法去估计Ｆ０，得到了光滑ＰＬ估计Ｆｎ，并建立了Ｆｎ在Ｄ（－∞，Ｔ），Ｔ＜ＴＦ上的弱收敛和强相合的结果．同时也获得了光滑ＰＬ过程的强逼近和重对数律．     

斜率变点估计的强收敛速度

对至多只有一个斜率变点的模型,在误差分布为非正态时,本文利用滑窗方法给出了变点估计的强、弱相合性和强、弱收敛速度,同对在局部对立假设下研究了变点估计的O_p收敛速度.     

广义函数Denjoy积分的收敛性问题

本文讨论广义函数De njoy积分的收敛性问题.首先给出了广义Denjoy可积函数空间中强收敛、弱收敛、弱~*收敛和广义函数Denjoy积分收敛的关系;证明拟一致收敛是广义函数Denjoy积分收敛的一个充分必要条件;最后指出了Denjoy可积广义函数列弱~*收敛与强收敛等价当且仅当原函数等度连续.     

强不变原理与完全收敛性的统一形式

本文建立了强不变原理与完全收效性的统一形式，得到了用强不变原理研究完全收敛性的方法，前人许多关于强不交原理和完全收敛性的结论是本文的推论．     

独立随机序列加权和的强收敛性

本文研究独立随机变量序列加权和的强收敛性,利用截尾法和Borel-Cantelli引理,证明了加权系数ank为列阵情形的强收敛性,在一般双下标加权系数的加权部分和的强收敛性,并对Jamison型加权部分和情形证明了其强收敛的充要条件,推广了Chow与Teicher(1971)[3]的相应结果.     

纵向数据下半参数回归模型估计的收敛速度

考虑纵向数据下半参数回归模型:yij=x′ijβ+g(tij)+eij,i=1,…,n,j=1,…,mi.基于最小二乘法和一般的非参数权函数方法给出了模型中参数β和回归函数g(·)的估计,并在适当条件下证明了参数分量β的估计量的强收敛速度和未知函数g(·)的估计量的一致强收敛速度.     

On complete convergence for strong mixing sequences

In this paper, some results on complete convergence for strong mixing sequences are presented under some suitable conditions. A Marcinkiewicz–Zygmund-type strong law of large numbers is also obtained.