首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 453 毫秒

1.  NA样本下部分线性模型中估计的强相合性  被引次数:9
   任哲  陈明华《应用概率统计》,2002年第18卷第1期
   考虑回归模型:yi=xiβ+g(ti)+σiei,1<i<n,其中σ_i~2=f(ui),(xi,ti,ui)是固定非随机设计点列,f(·)和g(·)是未知函数,β是待估参数,误差{ei}为NA变量.我们对β的最小二乘估计βn和加权最小二乘估计Bn,在适当的条件下得到了它们的强相合性.    

2.  AANA误差下半参数回归模型中估计量的相合性  
   席梦梅  唐徐飞  邓新  陈维扬  王学军《数学进展》,2018年第2期
   考虑如下半参数回归模型y_i=x_iβ+g(t_i)+σ_ie_i,i=1,2,…,n,n≥1,其中σ_i~2=f(u_i),(x_i,t_i,u_i)为已知设计点列.在适当的条件下,当误差为AANA变量时,本文研究了未知参数β和未知函数g的最小二乘估计与加权最小二乘估计的相合性,特别是p(p1)阶矩相合性和完全相合性,所得结果推广了误差为NA变量的相应结论.    

3.  部分线性模型中参数估计的Bootstrap逼近  
   任哲  胡舒合《数学杂志》,2002年第22卷第3期
   考虑回归模型 :yi=xiβ+g(ti) +σiei,1≤ i≤ n.其中 σ2i=f(ui) ,(xi,ti,ui)是固定非随机设计点列 ,f (· )和 g(· )是未知函数 ,β是待估参数 ,ei 是随机误差 .对文 [1 ]给出的基于 g(· )及 f(· )的一类非参数估计的β的最小二乘估计β^ n和加权最小二乘估计βn,本文通过重抽样的方法构造了 β^n 和 βn 的 Bootstrap统计量 β^ *n 和 β*n .证明了在给定原样本的条件下 ,n (β^ *n -β^ n)和 n (β*n -β^ n)分别与 n (β^ n-β)和 n (βn-β)有相同的渐近分布 .    

4.  固定设计下一类半参数回归模型的渐近性质  
   胡玉琴  薛留根《数学的实践与认识》,2006年第36卷第11期
   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.    

5.  线性约束下部分线性模型中估计的渐近性质  
   李晨  余波  刘万荣《数学理论与应用》,2005年第25卷第1期
   考虑回归模型yi=x′iβ+ g(ti) + ei, 0 ≤i ≤nr=Rβ其中(xi,ti)是固定非随机设计点列,xi=(xi1,…,xip)′,β=(β1,…,βp)′(p 1) ,g是定义在[0 ,1]上的未知函数,β是未知待估参数,0≤ ti≤1i,ei 是i.i.d随机误差,且Eei=0 ,Ee2i=σ2 <∞.r是一个J维向量,R是一个J* p列满秩矩阵,基于g的估计取一个非参数权估计,本文讨论了在线性约束下β的最小二乘估计的相合性及渐近正态性.    

6.  误差为鞅差序列的部分线性模型中估计的渐近正态性  
   朱春浩《经济数学》,2008年第25卷第1期
   考虑回归模型yi=xiβ g(ti) ei,i=1,2,…,n,其中(xi,ti)是固定非随机设计点列,g(.)是未知函数,β是待估参数,ei是随机误差且关于非降σ-代数列{Fi,i≥1}为鞅差序列,且满足E(e2n|Fn-1)-σ2=op(1),n→∞,其中0<2σ<∞为未知常数,本文基于g(.)的一类非参数估计的β的最小二乘估计■和2σ的估计量■,在适当条件下证明了其具有渐近正态性,从而推广了[1]在ei为iid情形下的结果.    

7.  Ψ-混合异方差误差下半参数回归模型的加权小波估计  
   胡宏昌  卢冬晖  朱丹丹《应用数学学报》,2013年第36卷第1期
   考虑半参数回归模型yi=xiβ+g(ti)+σiei, i=1,2,…,n,其中(zi,ti,ui)是固定设计点列,ei为Ψ-混合随机误差.用小波估计方法得到了参数,非参数及误差方差的加权小波估计量.在相当一般的条件下,得到了这些小波估计量的渐近正态性及弱收敛速度.    

8.  固定设计下半参数回归模型估计的强相合性  被引次数:8
   胡舒合《数学学报》,1994年第37卷第3期
   对于半参数模型yi(T)=βxi(T)+g(ti(T))+εi(T),本文综合最小二乘和一般的非参数估计方法,定义了β,g的估计量βT,gT,在适当条件下证明了它们的强相合性,    

9.  部分线性模型中估计的渐近正态性  被引次数:45
   高集体  陈希孺  赵林城《数学学报》,1994年第37卷第2期
   考虑回归模型其中是未知函数,(x_i,t_i,u_i)是固定非随机设计点列,β是待估参数,e_i是随机误差。基于g(·)及f(·)的一类非参数估计(包括常见的核估计和近邻估计),我们构造了β的加权最小二乘估计,并证得了最小二乘估计和加权最小二乘估计的渐近正态性。    

10.  一类混合回归模型中估计的收敛速度  被引次数:2
   高集体《数学年刊B辑(英文版)》,1993年第1期
   考虑回归模型y_i=x_iβ+g(t_i)+e_4,i=1,2,…,n,其中 g(·)是未知光滑函数,β是未知待估参数,e_4是随机误差.设{(x_4,t_4,y_4),1≤i≤n}是 i.i.d.子样.本文首先给出了 g(·)的一类近邻估计n(·),然后基于模型 y_4=x_4β+(t_4)+e_4得到了β的最小二乘估计.在适当条件下,证得了及 g(·)的最终估计(·)的强弱收敛速度.    

11.  一类混合回归模型中估计的收敛速度  被引次数:4
   高集体《数学年刊A辑(中文版)》,1993年第1期
   考虑回归模型 y_i=x_iβ+g(t_i)+e_i,i=1,2,…n,其中g(·)是未知光滑函数,β是未知待估参数,e_i是随机误差。 设{(x_i,t_i,y_i,),1≤i≤n}是i.i.d.子样。本文首先给出了g(·)的一类近邻估计■_n(·),然后基于模型y_i=x_iβ+■_n(t_i),+e_i得到了β的最小二乘估计■_n。在适当条件下,证得了■_n及g(·)的最终估计■_n~■(·)的强弱收敛速度。    

12.  混合误差半参数回归模型估计的强相合性  被引次数:1
   吴本忠《应用数学》,1998年第11卷第3期
   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.    

13.  误差为鞅差序列的部分线性模型中估计的强相合性  被引次数:2
   李国亮  刘禄勤《数学物理学报(A辑)》,2007年第27卷第5期
   考虑回归模型:yi=xi β +g(ti)+σiei ,i=1,2,...,n,其中 σi=f(ui), (xi,ti,ui)是固定非随机设计点列,f(.),\ g(.)$\ 是未知函数,β是待估参数,ei是随机误差且关于非降σ -代数列{Fi,i≥1} 为鞅差序列.对文献[1]给出的基于f(.)及g(.)的一类非参数估计的β的最小二乘估计βn和加权最小二乘估计βn,在适当条件下证明了它们的强相合性,推广了文献[6]在ei为iid情形下的结果.    

14.  完全与截尾样本时半参数回归模型估计的强相合性  
   陈明华《数学物理学报(A辑)》,1999年第Z1期
   对于固定设计下的半参数回归模型:y_i=xiβ+g(ti)+ei,i=1,…,n.其中{ei}为独立随机误差序列(不必同分布),且Eei=0,Eei2=σ_i~2>0.对完全和截尾样本,仿文献[2]给出了β、g(·)的估计量,并证明了他们的强相合性.    

15.  相依MA(∞)误差下半参数模型小波估计的收敛速度  
   梁汉营  王晓志《应用概率统计》,2010年第26卷第1期
   考虑半参数回归模型y_i=x_iβ+g(t_i)+V_i(1≤i≤n),其中(x_i,t_i)是已知的设计点,斜率参数β是未知的,g(·)是未知函数,误差Vi=∞∑j=-∞ c_je_(i-j),∞Σj=-∞ |cj|<∞并且e_i是负相关的随机变量.在适当的条件下,我们研究了β与g(·)小波估计量的强收敛速度.结果显示g(·)的小波估计量达到最优收敛速度.同时,对β小波估计量也作了模拟研究.    

16.  误差为鞅差序列的半参数回归模型参数估计的收敛速度  
   朱春浩《纯粹数学与应用数学》,2008年第24卷第2期
   研究误差为鞅差序列的半参数回归模型参数估计的收敛速度.利用非参数分段多项式估计和最小二乘法进行讨论.考虑固定设计下的半参数回归模型:yi=xiβ g(ti) ei,i=1,2,…,n,{ei}是随机误差,且{ei,Fi,i≥1}为平稳遍历的平方可积鞅差序列,Fi,i≥1为单调不减的σ代数流,且Ee21=σ20,E(e2i|Fi)≤1,对利用通常采用的非参数权函数法结合最小二乘法得到的参数β和σ2的估计量βn和σ2n,在适当的条件下得到了βn和σ2n的精确的收敛速度.重对数律.    

17.  误差为NA序列的半参数回归模型估计的r阶矩相合性  
   周玲  杜雪樵《工科数学》,2001年第17卷第2期
   对于半参数回归模型y1=xiβ+g(ti) ei,i=1,2,…,n,本综合最小二乘法和一般加权方法,定义了β,g(t)的估计量βn,gn(t),在误差为NA序列进,得到了βn,gn(t)的r(r≥2)阶矩相合性。    

18.  误差为NA序列的半参数回归模型估计的r阶矩相合性  
   周玲  杜雪樵《大学数学》,2001年第17卷第2期
   对于半参数回归模型 yi=xiβ+g( ti) +ei,i=1 ,2 ,… ,n,本文综合最小二乘法和一般加权方法 ,定义了 β,g( t)的估计量 βn,gn( t) .在误差为 NA序列时 ,得到了 βn,gn( t)的 r ( r≥ 2 )阶矩相合性 .    

19.  随机截断下部分线性模型中参数估计的渐近性质  被引次数:2
   赵选民  刘丙杰《纯粹数学与应用数学》,2003年第19卷第2期
   考虑部分线性回归模型Yi=xiβ g(ti) σiej,i=1,2,…,n其中σi^2=/f(ui).当Yi因受某种随机干扰而被右截断时,就截断分布巳知的情形,利用所获得的截断观察数据构造了β,g,f的估计量β^~n,g^~n,f^~n,并在一定条件下,证明了β^~n的渐近正态性,同时得到了g^~n,f^~n的最优收敛速度。    

20.  混合误差下回归权函数估计的强相合性  被引次数:1
   吴本忠《数学杂志》,1999年第19卷第1期
   对非参数模型Yi^(n)=g(xi^(n))+ξi^(n),用权函数gn(x)=Σ↑n↓i=1Wni(x)Yi^(n);估计g(x),在误差为某些相依随机变量列下,我们获得了gn(x),的强相合性及一致强相合性。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号