相依样本下条件密度双重核估计的强相合性

设（Ｘ１，Ｙ１），…，（Ｘｎ，Ｙｎ）是从取值于Ｒ＾ｐ×Ｒ＾ｑ的随机向量（Ｘ，Ｙ）中抽取的随机样本，在给定Ｘ＝ｘ的条件下Ｙ具有条件密度ｆ（ｙ│ｘ）。在本文中，我们考虑ｆ（ｙ│ｘ）的通常的和递归形式的双重核估计ｆｎ（ｙ│ｘ）＝ｎ∑ｉ＝１Ｋ１（Ｘｉ－ｘ／ａｎ）Ｋ２（Ｙｉ－６／ｂｎ）／〔ｂｎ＾ｑｎ∑ｊ＝１Ｋ１（Ｘｊ－ｘ／ａｎ）〕ｆｎ（ｙ│ｘ）＝ｎ∑ｉ－１Ｋ１（Ｘｉ－ｘ／ａｉ）Ｋ２（Ｙｉ－ｙ／ｂｉ）／ｎ∑ｊ     

相依样本下条件密度双重核估计的渐近分布

本文讨论了平稳，φ－混合样本下条件密度双重核估计（１）（２）在有限个点处的联合渐近分布，推广了（３）和（４）的结果。     

相依样本下条件密度递归双重核估计的强相合性

本文给出了条件密度的递归形式的双重核估计,并且在样本序列为平稳φ-混合的条件下讨论了它的强相合性。     

相依样本下密度函数及其导函数的相合随机窗宽核估计

设（Ｘｎ）是Ｒ＾１中的平稳，强混合序列，具有公共的密度ｆ（ｘ），则可定义ｆ（ｘ）及其导函数ｆ＾（ｒ）（ｘ）的核估计与最近邻估计ｆ＾（ｒ）ｎ（ｘ）＝（ｎｈ＾ｒ＋１ｎ（ｘ））＾－１ｎ∑ｉ＝１Ｋ＾（ｒ）（Ｘｉ－Ｘ／ｈｎ（ｘ）），ｆｎ（ｘ）＝（ｎａｎ（ｘ））＾－１ｎ∑ｉ＝１Ｋ（Ｘｉ－ｘ／ａｎ（ｘ））其中核函数Ｋ（Ｘ）为取定的概率密度函数，且具有ｒ（ｒ≥０）阶导数，窗宽ｈｎ（ｘ）＝ｈｎ（ｘ；Ｘ１，．．．，Ｘ     

平稳过程条件密度的双重核估计

本文在样本序列为平稳、φ-混合情形下研究了赵林城和刘志军提出的条件密度f(y|x)的双重核估计fn(y|x)的逐点强相合性和渐近正态性。我们对混合系数φ的限制是很弱的。     

负超可加相依样本密度函数核估计的相合性

本文研究负超可加相依样本的密度函数核估计相合性.利用负超可加相依序列的不等式与性质,获得了密度函数核估计的逐点相和性和一致相和性以及r阶矩相和性.     

相依样本下概率密度函数估计的渐近正态

设随机变量 X具有概率密度函数 f (x) ,X1,… ,Xn为 f (x)的样本 ,基于 X1,… ,Xn定义一类 f (x)的估计 fn(x) .本文在 X1,… ,Xn为 α——混合、ρ——混合样本时 ,得到了 fn(x)的渐近正态性     

相依样本下非参数回归函数递推型核估计的渐近分布

设（Ｘｉ，Ｙｉ）１≤ｉ≤ｎ为来自二元总体（Ｘ，Ｙ）的平稳，φ－混合样本，记ｍ（ｘ）△Ｅ（Ｙ│Ｘ＝ｘ），ｍ（ｘ）的一种递推型核估计为ｍｎ（ｘ）＝ｎ∑ｉ＝１ｈｉ＾－１Ｙｉｋ（（ｘ－Ｘｉ）／ｈｉ）／ｎ∑ｊ＝１ｈ＾－１ｊｋ（ｘ－Ｘｊ）／ｈｊ）。本文在一定的条件下证明了（ｎ／（ｎ∑ｊ＝１ｈ＾－１ｊ）＾１／２）（ｍｎ（ｘ１）－ｍ（ｘ１），ｍｎ（ｘ２）－ｍ（ｘ２），．．．ｍｎ（ｘｒ０）－ｍ（ｘｒ０））′依分布收     

相依样本下条件中位数估计的渐近正态性

文中设｛（Ｘｎ，Ｙｎ）：ｎ≥｝为严平稳ρ－相依随机变量列，出于稳健角度，给出了Ｙ关于Ｘ回归中位Ｌ１－模估计θｈ（ｙ│ｘ），在适当条件下证明了θｈ（ｙ│ｘ）的渐近正态性。     

相协样本下密度核估计的联合渐近分布

证明了相协样本下密度函数的核估计在有限个不同点上的联合渐近分布为多维正态分布.     

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。     

相依样本下条件中位数L1模核估计的相合性

本文在样本序列为同分布的φ－混合的情形下，研究了条件中位数Ｌ１－模核估计的逐点强、弱相合性。     

条件密度近邻：核估计的强收敛速度

本文给出了条件密度近邻——核估计的强收敛速度。     

NA相依样本下固定设计非参数回归权函数估计

在NA相依样本下,研究固定设计非参数回归权函数估计的强相合性和完全收敛性,获得了一些较合理的充分条件,较好地推广和改进了Georgiev在独立情形下所得到的相应结论。     

条件密度的近邻-核估计及其Bootstrap逼近

本文讨论了条件密度的近邻-核估计及其Bootstrap逼近的问题，证明了条件密度近邻-核估计的渐近正志性，Bootstrap逼近的相合性，讨论了有关的收敛速度．     

一类相依回归方程限定两步估计的有限样本结果

考虑一类由两个相依回归方程组成的线性回归系统ｙｉ＝Ｘｉβｉ＋ｕｉ（ｉ＝１,２）,其中回归矩阵Ｘｉ（ｉ＝１,２）满足Ｐ１Ｐ２对称,这里Ｐｉ＝Ｘｉ（ＸｉＸｉ）＾－１Ｘｉ＾１这种情况包括了以往文献「１,２,３,４」中考虑的一些情况,记βｉ和βｉ分别表示βｉ的基于∑的限定估计Ｓ和非限定估计Ｓ的两步估计,本文推导得βｉ是βｉ的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ估计,本文讨论了βｉ相对于ＬＳ估计ｂｉ和非限定估计βｉ的     

NA样本概率密度函数核估计的相合性

设{X     

m（n）－相依样本非参数回归残差密度的相合估计

考虑非参数回归模型：Ｙ_i＝Ｍ（Ｘ_i）＋ｅ_i，其中Ｍ（ｘ）为Ｂ（?Ｒ）上的未知实函数，（Ｘ_i，Ｙ_i）为来自（Ｘ，Ｙ）的ｍ（ｎ）相依样本，残差（ｅ_i）具有公共的未知密度ｆ（ｘ）．本文基于残差估计给出了ｆ（ｘ）的一种非参估计，并证明该估计具有逐点相合性，一致相合性及Ｌ₁相合性．