相协样本半参数回归模型估计的矩相合性

考虑半参数回归模型Y(j) (xin,tin) =tinβ g(xin) e(j) (xin) ,1 ≤j≤m ,1 ≤i≤n .利用最小二乘法和权函数估计方法 ,定义 β ,g的估计量βm ,n和gm ,n(x) ,在负相依样本及较弱的条件下证明了这些估计的矩相合性 ,这些结论推广和改进了胡舒合 ( 1 997)关于独立情形的相应结论 .     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数　Ｍ　估计的强相合性，　给出一些较弱的充分条件．　与陈希孺和赵林城的专著［１］中相应的结论比较，　这里给出的条件对矩的要求有较大的实质性改进．     

广西地区经济指标评价

杨善朝，李志友．广西地区经济指标评价．数理统计与管理，１９９７，１６，（４），１～４本文试用主成分分析方法，对广西七个地区的经济生产情况作出综合评价，分析各地区在广西的经济地位。并提出了一种构造加权综合量的方法     

NA、PA样本下密度核估计的相合性

设{Xn,n≥1}为同分布的NA或PA随机变量序列，f(x)为X1概率密度函数，基于样本X1，X2，…，Xn，本对密度函数（f(x)的核估计进行了讨论，在适当条件下证明了其强相合和r阶矩相合。     

独立样本最近邻密度估计的强相合速度

设X，X2，…,Xn是独立同分布样本，具有共同的密度函数f(x),在f(x)满足适当的条件下给出最近邻密度估计的强相合收敛速度，其速度可达到O（n^-1/3(olgn)^1/3。     

强混合样本下回归加权估计的一致渐近正态性

在强混合样本下,讨论固定设计回归模型的加权函数估计的一致渐近正态性,给出一致渐近正态性的收敛速度,这个速度接近n-1／6．     

NA序列下经验分布函数的渐近正态性及其应用

本文在NA负相协序列下利用熟知的相依情形的大小块分割的方法,建立了经验分布函数的渐近正态性．作为在可靠性中的应用,得到了生存函数■(x)=P(X＞x)估计的渐近正态性．     

α－混合序列和的强大数律及其应用

研究α－混合序列加权和的强大数律，并将这些结果应用于Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ．（１９７２）提出的非参数回归函数加权核估计，获得较理想结论．     

α—混合序列和的强大数律及其应用

研究α－混合序列加权和的强大数律，并将这些结果应用于Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ．（１９７２）提出的非参数回归函数加权核估计，获得较理想结论。     

强混合序列的矩不等式及其应用

对强混合随机变量序列建立一些矩不等式,并应用这些不等式研究固定设计回归模型的一般加权函数估计的渐近正态性。