弱相依半参数回归模型的加权小波估计的渐近正态性

本文研究了半参数回归模型y_i=X'_iβ+g(t_i)+e_i,i=1,2,···,n,其中{e_i}为ψ-弱相依随机误差序列.利用小波估计的方法得到了参数、非参数的加权小波估计量.在相当一般的条件下,获得了这些小波估计量的渐近正态性,不仅推广了半参数回归模型的相应结果,而且在一定程度上统一了相依半参数回归模型的渐近正态性的理论.     

NSD序列加权和的中心极限定理及其在EV回归模型中的应用

基于负超可加相依(简称为NSD)随机序列的性质及其一些不等式,利用随机变量的截断方法建立了NSD随机序列加权和的中心极限定理,从而推广了负相协NA随机序列的相应结论.并将其应用到变系数EV回归模型,得到了未知参数LS估计的渐近正态性.     

NA样本半参数回归模型估计的矩相合性

考虑了误差为NA序列的半参数回归模型,利用非参数估计方法给出了模型参数的最小二乘估计和加权最小二乘估计,并在适当条件下得到了它们的矩相合性.     

广义负相依一般风险模型中有限时破产概率的估计及数值模拟

本文研究了一类带利率的重尾相依风险模型, 其中索赔额是一列上广义负相依随机变量, 索赔到达过程是一般的非负整值过程, 并且独立于索赔额序列, 保费收入过程是一个一般的非负非降随机过程. 我们考虑了两种情况, 其一是索赔额、索赔到达过程及保费收入过程相互独立, 其二是累积折现保费收入总量的尾概率可以被索赔额的尾概率高阶控制, 得到了保险公司有限时破产概率的渐近估计,并且给出了相应的数值模拟, 验证了理论结果的合理性.     

相依数据下一般函数核估计的一致收敛速度

不论数据是独立的还是相依的,在非参数和半参数模型中,都涉及到对未知均值函数或者对某函数的未知条件期望的估计.本文针对这一问题,在比较弱的条件下,给出在数据是α-混合相依时一般函数的条件数学期望的估计,并讨论了它的一致收敛速度.     

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.     

随机权和最大值的一致估计及其在保险风险理论中的应用

对任意相依非负随机权, 获得了独立重尾随机变量加权和最大值的一致估计, 应用这些结果研究了离散时间风险模型中具有相依随机回报的破产概率问题.     

相协样本半参数回归模型估计的强相合性

考虑半参数回归模型Y^(j)(xin,lin)=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强相合性，得到了与独立情形一致的结论．     

半参数回归模型拟极大似然估计的渐近分布

用拟极大似然估计方法研究了误差为AR(1)时间序列的半参数回归模型,得到了参数及非参数的拟极大似然估计量,并研究了它们的渐近分布.     

非参数回归函数估计的渐近正态性

本文研究了独立或相依样本时非参数回归函数的Ｎａｄａｒａｙａ-Ｗａｔｓｏｎ估计，在简洁合理的条件下，证明了估计量的渐近正态性．获得的结论可在时间序列分析中得到应用．