共查询到20条相似文献,搜索用时 15 毫秒
1.
Loftsgarden和Quesenberry在文献[1]中提出了概率密度函数f的最近邻估计fn。在本文中,我们得到了1)fn(x)—f(x)当x固定时的 a.s.收敛速度。2)sup|fn(x)—f(x)|的一致收敛速度。3)fn的a.s.Lr-相合性。我们也证明了fn(x)在x固定时的渐近正态性,以及下述结果:若除了f在R1上一致连续外无其他假定,则sup|fn(x)—f(x)|的收敛速度可任意慢。 相似文献
2.
薛留根 《数学物理学报(A辑)》1992,12(4):466-477
设{ Xn}^∞ n=1是R^1中的平稳过程,具有公共的未知密度函数f(x) ,我们研究基于前n个观测值X1,X2,… Xn的f(x)的一种近邻估计fn(x).本文假定{Xn}^∞ n=1O φ-混合或强混合的,在对混合系数φ(n)趋于零的速度的适当限制下,证明了fn(x)的逐点相合性一致强相合性.并得到了这两种相合性强收敛速度. 相似文献
3.
指数分布族参数的渐近最优与可容许的经验Bayes估计 总被引:3,自引:1,他引:2
在平方损失下 ,构造了指数族 { f(x|λ) =λe-λx,λ >0 ,x >0 }的参数λ的渐近最优与可容许的经验Bayes估计 ,即δn=(n +u + 1n1φ(n) + 1) β1+ βX,其中X1,X2 ,…Xn(历史样本 )和X(当前样本 )独立同分布于 f(x) ,Sn= ni=11n(1+ βXi) ,φ(n) =1n(Sn+ 1n(1+ βX) +v- 1) ,u >0 ,v >0 ,β >0 (已知 )为任意的实数 ,并证明了该估计的收敛速度为O(n- 1)。 相似文献
4.
考虑纵向数据下半参数回归模型:yij=x′ijβ+g(tij)+eij,i=1,…,n,j=1,…,mi.基于最小二乘法和一般的非参数权函数方法给出了模型中参数β和回归函数g(·)的估计,并在适当条件下证明了参数分量β的估计量的强收敛速度和未知函数g(·)的估计量的一致强收敛速度. 相似文献
5.
周勇 《数学年刊A辑(中文版)》1996,(1)
文中研究了两类重要相依样本(即φ-混合和α-混合样本)的经验过程振动模强一致收敛速度,证明了该速度与独立样本下的经验过程振动模的最优收敛速度相同.利用这些结果建立了密度函数核估计和直方图核估计的强相合性,并证明了这些强相合收敛速度达到最好速度O(n~(-1/3) log~(1/3)n)以及建立分位估计Bahadur类型的表示定理. 相似文献
6.
相依样本时非参数密度估计的强收敛速度 总被引:2,自引:0,他引:2
钱莲芬 《高校应用数学学报(A辑)》1991,6(2):214-221
本文对Loftsgarden和Gucsenberry在文献[1]中提出的概率密度函数f的近邻估计f_n,在样本为φ-混合的情形下,得到了与i.i.d完全相同的结果: (1)f(x)> 0,f满足λ阶Lipschitz条件,选取适当的k_n,在一定的混合速度下,有 lim sup(n/logn)~(λ/(1+2λ)|f_n(x)-f(x)|≤c a.s., (2)f_n在固定点x的渐近正态性, (3)得到了f_n收敛到f时收敛速度的上限。 相似文献
7.
基于截尾数据概率密度核估计的一些渐近行为 总被引:3,自引:0,他引:3
Blum和Snsarla(1980)提出了一基于截尾数据非负随机变量概率密度f(t)的核估计(?)_n(t),本文证明了(?)_n(t)的一致强相合性。此外,我们还进一步研究了(?)_n(t)的一致强收敛速度问题,给出了(?)_n(t)的一渐近表达式,并利用所给的表达式证明了(?)_n(t)以速度为O(n~(-2a))均方收敛到(?)_n(t),其中0相似文献
8.
赵林城 《数学年刊A辑(中文版)》1983,(6)
设U_n为U-统计量,其核具有三阶有限矩,又本文建立了下列F_n(x)向标准正态分布Φ(x)收敛的非一致性收敛速度估计其中C为与n、x都无关的常数。 相似文献
9.
在核和密度函数f满足种种条件的情况下,研究了f的核估计fn一致强收敛于f的速度.如证明了:当f满足λ阶Lipschitz条件(0<λ≤1)时,fn一致强收敛于f的速度可达o((logn/n)λ/(2λ+1)log logn).另外,还讨论了fn的各阶导数一致强收敛于f的相应导数的速度以及基于核估计的f的众数估计的强收敛速度问题. 相似文献
10.
11.
设(X,Y),(X_1,Y_1,),…,(X_n,Y_n)是一个平稳、φ—混合过程((X,Y)∈R~d×R,E|Y|~(s δ)<∞,s≥2,δ>0),用m(x)记E{Y|X=x},本文讨论了m(x)的如下估计m_n(x)的强收敛速度: 相似文献
12.
§1.引言设X为一随机变数具有连续分布函数F(x),x_1,x_2,…,x_n是X_n次相互独立试验的结果。将n个数据依照数值从小到大排列起来,我们把这些结果写成函数通常称作X在n次独立试验下的经验分布函数。继A.H.柯尔莫哥洛夫求出经验分布F_n(x)与连续理论分布F(x)间最大绝对差值的极限分布之后,关于F_n(x)与F(x)间最大的差值H.B.斯米尔诺夫证明了下列极限定理: 相似文献
13.
一类密度估计的收敛速度 总被引:6,自引:1,他引:5
Prakasa Rao在文献[1]中提出一类密度估计fn(x),我们得到当x固定时fn(x)-f(x)的a.s,收敛速度及fn(x)正态逼近的Berry-Easeen界,同时,给出sup|fn(x)-f(x)|的一致收敛速度。 相似文献
14.
1 引言 我们考虑具有如下形式的奇异摄动问题 εy″-a(x,y)y′-b(x,y)=0,00在[0,1]×R上成立. 在假设H_1,和H_2都满足的条件下,我们将给出一个求解问题(1.1)差分格式,并证明该差分格式的解在离散范数L~1意义下,关于小参数ε一致收敛到连续问题(1.1)的解. 在文[4]中,Osher研究了一类较为特殊的拟线性奇异摄动问题: T(y)≡εy″-(f(y))′-b(x,y)=0,0