共查询到20条相似文献,搜索用时 11 毫秒
1.
利用sieve方法研究响应变量为当前状态数据的部分函数型线性模型的估计.在一定的条件下,证明了该估计的强相合性和渐近正态性,得到了该估计的收敛速度,并且非参数部分达到最优收敛速度.最后通过一个数值模拟来研究该估计的有限样本性质. 相似文献
2.
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
3.
周勇 《数学年刊A辑(中文版)》1996,(1)
文中研究了两类重要相依样本(即φ-混合和α-混合样本)的经验过程振动模强一致收敛速度,证明了该速度与独立样本下的经验过程振动模的最优收敛速度相同.利用这些结果建立了密度函数核估计和直方图核估计的强相合性,并证明了这些强相合收敛速度达到最好速度O(n~(-1/3) log~(1/3)n)以及建立分位估计Bahadur类型的表示定理. 相似文献
4.
在加权平方损失函数下,获得广义Pareto分布形状参数的经验Bayes(EB)估计,并得到了该估计的收敛速度. 相似文献
5.
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
6.
本文考虑变系数测量误差模型的估计问题,得到该模型变系数函数修正的最小二乘B-样条估计,同时得到非参数函数估计的最优收敛速度.模拟结果表明该方法是有效的. 相似文献
7.
LINEX损失下Pareto分布族参数的经验Bayes估计 总被引:1,自引:0,他引:1
在 L inex损失函数下 ,讨论 Pareto分布族参数的经验 Bayes(EB)估计问题 ,文中构造了参数的 EB估计 ,在适当的条件下给出了该估计的收敛速度 .最后给出满足定理条件的例子 . 相似文献
8.
在"nex损失函数下,讨论Pareto分布族参数的经验Bayes(EB)估计问题,文中构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度.最后给出满足定理条件的例子. 相似文献
9.
10.
11.
师义民 《高校应用数学学报(A辑)》2000,15(4):475-483
在Linex损失函数下,讨论一类双边截断型分布族参数的经验Bayes(EB)估计问题, 构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度.最后给出例子,说明定理条件的合理性. 相似文献
12.
假设稳定分布的特征指数α满足1<α<2,关于均值μ对称. 本文讨论了稳定分布中α或刻度参数β的变化导致的变点问题,即是否发生变化及变化时刻.若均值已知,当α或β改变时,密度函数f(x)在μ处的值f(μ)发生变化,我们利用密度函数的核估计来估计该点的值. 若均值未知,利用经验特征函数估计该点的值,并进一步讨论了估计的相合性与收敛速度. 其次讨论了均值变化导致的变点问题,若均值发生变化,相应变点前后特征函数的参数将变化,利用经验特征函数给出了变点的估计, 获得了类似的收敛速度. 最后给出了检测金融市场突变性的应用. 相似文献
13.
高维积分波动率矩阵是资源配置和风险管理的重要统计量,对其估计是金融统计和风险度量中的热点和核心问题之一.本文在带有市场信息的微观结构噪声下,考虑了高频金融数据大量资产的积分波动率矩阵估计问题.在多资产价格观察不同步下,当资产数和样本量都趋向于无穷时,本文利用不重叠区间方法和稀疏性特征提出了高维积分波动率矩阵估计,证明了该估计量具有相合性,较在加性噪声下的估计具有更快的收敛速度,其收敛速度可以达到已存在高维积分波动率矩阵估计在无噪声下的最快收敛速度.对所提出的估计与现有的高维积分波动率矩阵估计进行模拟比较,结果表明本文提出的估计方法具有优良的性质.最后将提出的估计应用于上海证券指数数据的实证研究中. 相似文献
14.
研究函数型Probit模型的sieve极大似然估计的渐近性质.在一定的条件下,证明了估计的强相合性和渐近正态性以及该估计的非参数部分达到最优收敛速度.最后给出了一个模拟研究,表明sieve极大似然估计有较好的有限样本性质. 相似文献
15.
本文考虑了严平稳随机序列密度函数的非线性小波估计,证明了在Besov空间中,非线性小波估计可达到最优收敛速度.进一步讨论了自适应非线性小波估计,证明了自适非线性小波估计可达到次最优速度即和最优速度相差in n. 相似文献
16.
17.
18.
张金艳 《纯粹数学与应用数学》2010,26(3):484-489
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. 相似文献
19.
一种Sieve极大似然估计的渐近性质 总被引:2,自引:0,他引:2
该文针对部分线性模型,在响应变量的观测值为Ⅰ型区间删失数据的情形下,讨论Sieve极大似然估计的渐近性质.用三角级数来构造Sieve空间,在一定条件下证明了该估计具有强相合性;得到了该估计的弱收敛速度,并且非参数部分的估计达到了最优收敛速度;还算出了参数部分的信息界. 相似文献
20.
本文考虑了部分线性模型中,线性部分协变量含有测量误差,并且线性部分的参数随着样本量的增大而发散的估计问题.我们考虑了用可观测的替代变量来替代不可观察到的真实变量,这种替代变量的期望与真实变量存在线性关系.我们提出了估计方法,并研究了估计量的相合性与渐进正态性.此外,我们研究了发散参数的发散速度.我们通过模拟来说明该估计的实际效果. 相似文献