随机设计下非参数回归模型方差变点Ratio检验

研究随机设计下非参数回归模型方差变点Ratio检验.首先用局部多项式方法估计回归曲线得到残差序列,其次基于残差的平方序列构造Ratio检验统计量并推导检验统计量的极限分布.最后数值模拟与实例分析结果表明方法的有效性.     

小波检测并估计非参函数变点

研究随机设计下非参函数变点的小波检测与估计问题.将小波方法与设计点转化方法相结合给出变点的检测统计量并研究检测的一致性.给出了变点个数和变点位置的估计量,证明了变点个数估计量的相合性并得到变点位置估计量的收敛速度.     

随机删失半参数回归模型小波估计的渐近性质

考虑半参数回归模型Y_i=X_iβ g(T_i) e_i,i=1,2,…,n,β∈R为未知回归参数,g(·)为[0,1]上的未知Borel函数。在完全和右删失数据下,本文利用小波光滑方法并综合最小二乘法,就删失分布已知和未知的情形分别定义了β,g(T)的小波估计(?),(?)(T),在一定条件下,证明了(?)的渐近正态性,同时得到了(?)(T)的最优收敛速度。     

半参数回归模型中小波估计的随机加权逼近速度

把小波光滑方法和随机加权方法结合在一起，获得了半参数回归模型中参数分量的小波估计的随机加权逼近速度为σ(n^-1/2)。因此，从大样本意义上说，小波光滑方法和随机加权方法对半参数回归模型是可用的。     

鞅差误差下非参数模型的小波估计

This paper is concerned with the heteroscedastic regression model Y1=g(xi) σiei, (1≤i≤n) under correlated errors ei,where it is assumed that σi^2 =f(ui),the design points (xi,u1)are known and nonrandom, and g and f are unknown functions. Assuming that unobserved disturbances ei are martingale differences. The strong uniform convergence rates and r-th moment uniform convergence rates of wavelet estimator of g are investigated. Also,the strong uniform convergence rates are discussed for wavelet estimator of f.     

固定设计下非参数回归模型估计的渐近性质

考虑固定设计下具有非参数AR(1)的非参数回归模型,综合最小二乘和非参数核估计法,定义了非参数函数的估计量,在适当的条件下,研究了它们的渐近性质.     

固定设计点的半参数回归模型的M估计的渐进分布

讨论了固定设计点的半参数回归模型的大样本性质,得到了模型的Ｍ估计的渐进分布,并建立了关于参数的检验。数值模拟结果表明,本文提出的方法具有较好的稳健性。     

固定设计情形下回归函数小波估计的泛相合性

本文引入固定设计情形下回归函数小波估计的泛相合性概念，证明了此小波估计的泛相合性。     

半参数回归模型小波估计的强逼近 *

考虑半参数回归模型y_i=x^T_iβ +g( t_i ) +e_i,i=1 ,2 ,… ,n ,其中 β∈R^d 为未知回归参数 ,g(·)为 [0 ,1 ]上的未知Borel函数 ,{x^T_i}为R^d 上的随机设计 ,{t_i}为常数序列 ,{e_i}为i.i.d .随机误差 ,Eei=0 .在适当的条件下 ,证明了 β和g(·)的小波估计 ^{^}β和^{^}g(·)的强相合性 ,并且得到了^{^}β和^{^}g(·)的强相合速度 .     

固定设计下半参数回归模型核估计的渐近性质

研究一类新的半参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归过程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为β,g(·)和ρ(·),在适当的条件下,证明了估计量β,g(·)和ρ(·)的渐近正态性.     

无穷方差厚尾过程变点的小波估计

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.     

Wavelet Threshold Estimation of a Regression Function with Random Design

The wavelet threshold estimator of a regression function for the random design is constructed. The optimal uniform convergence rate of the estimator in a ball of Besov Space B^s_p, q is proved under general assumptions. The adaptive wavelet threshold estimator with near-optimal convergence rate in a wide range of Besov scale is also constructed.     

Nonparametric Estimation of Regression Functions in Point Process Models

We prove that the empirical L ²-risk minimizing estimator over some general type of sieve classes is universally, strongly consistent for the regression function in a class of point process models of Poissonian type (random sampling processes). The universal consistency result needs weak assumptions on the underlying distributions and regression functions. It applies in particular to neural net classes and to radial basis function nets. For the estimation of the intensity functions of a Poisson process a similar technique yields consistency of the sieved maximum likelihood estimator for some general sieve classes. This revised version was published online in August 2006 with corrections to the Cover Date.     

Hazard Rate Estimation in Nonparametric Regression with Censored Data

Consider a regression model in which the responses are subject to random right censoring. In this model, Beran studied the nonparametric estimation of the conditional cumulative hazard function and the corresponding cumulative distribution function. The main idea is to use smoothing in the covariates. Here we study asymptotic properties of the corresponding hazard function estimator obtained by convolution smoothing of Beran's cumulative hazard estimator. We establish asymptotic expressions for the bias and the variance of the estimator, which together with an asymptotic representation lead to a weak convergence result. Also, the uniform strong consistency of the estimator is obtained.     

固定设计下混合序列回归函数的小波估计

考虑非参数回归模型Ｙ_i＝ｒ（ｔ_i）＋ε_i,其中ｔ_i为固定设计点列,｛ε_i｝为ρ混合相依随机变量,本文用小波方法建立ｒ（ｔ）的估计ｒ（ｔ）,并讨沦了它的渐近无偏性,弱收敛,强收敛,及其收敛速度,     

鞅差时间序列半参数回归模型的小波估计

用小波方法研究了误差为滑动平均鞅差序列的半参数回归模型,得到了小波估计量的矩收敛速度及强收敛性.     

半参数回归模型小波估计的强相合性

考虑半参数回归模型y_i~(n)=X_i~((n)T)β+g(t_i~(n))+ε_i~(n)(1■i■n),其中β∈R~d为未知参数,g(t)为[0,1】上的未知Borel函数,X_i~(n)为R~d上的随机设计,随机误差序列{ε_i~(n)}为鞅差序列,{t_i~(n))为[0,1]上的常数序列．本文用小波的方法得到β、g(t)的估计量分别为■_n、■_n(t),并证明了它们的强相合性．