一类密度估计的r阶平均相合性

Prakasa Rao在献[1]中提出了一类密度估计fn(x)。本在一些较弱的条件下,研究fn(x)的逐点r阶平均相合性和一致r阶平均相合性。     

独立样本核密度估计的r阶均方相合性及收敛速度

本文旨在讨论并改进独立样本核密度估计的大样本性质．本文在改进Parzen(1962)给出的一个基本引理的基础上得出了独立样本核密度估计的r阶均方及一致均方相合性和收敛速度．此结果是文献[1]中独立样本核密度估计均方相合性的推广．     

α混合序列下的核密度估计量的相合性

本文在α-混合序列下,讨论了核密度估计量的强相合性与一致强相合性,并给出其收敛速度.这些结论改进了Bosq(1998)中引理2.1和定理2.1所获得的相应结论.     

方向数据核密度估计强一致相合性的收敛速度

设 f_n 为基于核函数 K 和一列取值于d 维单位球面的独立同分布的随机变量上的非参数核密度估计. 该文通过经验过程的方法得到核密度估计强一致相合性的速度.     

ψ—混合样本核密度估计的强一致相合性

本文研究了基于φ-混合样本且核为可变化的密度函数估计的强一致相合性,获得了与独立同分布样本时同样优良的收敛速度O((n/logn)~(-1/3)).     

一种半参数密度估计的强相合性

§1.引言 实际问题中,我们常常假设被观察到的数据是从一个理想化的模型中产生出来的(比如是参数模型)。然而,由于度量误差和其它的随机影响,则在确定这些数据是否真是从理想化模型中产生出来时,就存在着不确定性。 现在考虑密度估计问题。     

相依样本下一种近邻密度估计的相合性

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.     

纵向数据半参数回归模型估计的r阶平均相合性

本文考虑纵向数据下半参数回归模型:yij=xij′β g(tij) eij,i=1,…,m,j=1,…,ni.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,回归函数g(·)和误差方差σ2的估计,并在适当条件下证明了估计量的r(r≥2)阶平均相合性.     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型 yi=xiβ+g( ti) +ei,i=1 ,2 ,… ,n,本文综合最小二乘法和一般加权方法 ,定义了 β,g( t)的估计量 βn,gn( t) .在误差为 NA序列时 ,得到了 βn,gn( t)的 r ( r≥ 2 )阶矩相合性 .     

一类密度估计的收敛速度

ＰｒａｋａｓａＲａｏ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－Ｅｓｓｅｅｎ界，同时，给出ｓｕｐｘ｜ｆｎ（ｘ）－ｆ（ｘ）｜的一致收敛速度     

半参数回归模型估计的平均相合性

在误差序列为Lqmixingale情形下，给出了半参数回归模型中β和g(t)估计，研究了估计量的q阶平均相合性在较一般的条件下，得到了理想的结果     

基于伴随次序统计量的回归函数核估计的矩相合性

回归函数的核估计的大样本性质,多年来一直受到众多学者的关注,且早期的回归函数的核估计均是基于原样本{(Xi, Yi), i≥1},本文基于二维随机样本{(Xi, Yi), i≥1}的伴随次序统计量Y[r,n],定义了回归函数的核估计,在一定条件下,获得了回归函数核估计的r阶矩相合性,推广了已有文献中的部分结果.     

删失数据回归误差项的非参数密度估计的一致相合性(英文)

回归误差项是不可观测的. 由于回归误差项的密度函数在实际中有许多应用, 故使用非参数方法对其进行估计就成为回归分析中的一个基本问题. 针对完全观测数据回归模型, 曾有作者对此问题进行了研究. 然而在实际应用中, 经常会有数据被删失的情况发生, 在此情况下, 可以利用删失回归残差, 并使用核估计的方法对回归误差项的密度函数进行估计. 本文研究了该估计的大样本性质, 并证明了估计量的一致相合性.     

门限自回归模型的非参数估计

对一维一阶一个门限的ＴＡＲ模型，通过模型所构成的Ｍａｒｋｏｖ链的遍历性，得到了其核密度估计的渐近无偏性，均方相容性和渐近正态性     

混合误差下半参数回归模型小波估计的强相合性

研究了一类半参数回归模型,利用最小二乘法和小波估计法给出了未知参数β和未知函数g(.)的估计.在误差序列为ψ-混合或φ-混合下得到了^β的强相合性,给出了^g(.)的一致强相合性和r阶矩相合性.     

加权幂平均复合判断矩阵的群体AHP一致性研究

判断矩阵一致性是群体综合评价的重要内容。一致性可以反映专家群体就所有可能的替代方案达成完全一致的意见,利用一致性测度可以衡量评价者之间的差异,也是共识判断的基础。文章针对加权幂平均复合判断矩阵中存在的一致性问题进行研究,从幂平均次数对复合判断矩阵影响的角度,分析幂平均次数对一致性比率的影响程度,揭示两者之间的变化规律;研究专家判断矩阵的阶数对一致性比率的作用;从群体专家权重的角度,研究权重对复合判断矩阵一致性比率的敏感性。结果表明:(1)幂平均的次数会影响复合判断矩阵的一致性,幂平均的次数在有限区间内保证复合判断矩阵的满意一致性,有限区间长度同时依赖于判断矩阵的阶数与幂平均的次数,且一致性比率是关于幂平均次数的凹函数;(2)判断矩阵的阶数越高,专家给出判断矩阵的难度加大,然而随着判断矩阵阶数的升高,一致性比率会呈递减趋势;(3)专家的权数对于一致性比率影响较小,即专家权数的灵敏度较低,给定权数的扰动后不会影响复合判断矩阵的满意一致性。     

半参数回归模型小波估计的矩相合性

用小波方法,考虑半参数回归模型y_i=X_i~Tβ+g(t_i)+ε_i(1≤i≤n),其中β∈R~d为未知参数,g(t)为[0,1]上未知的Borel可测函数,X_i为R~d上的随机设计,随机误差{ε_i}为鞅差序列,{t_i}为[0,1]上的常数序列.得到参数及非参数的小波估计量的q-阶矩相合性.     

非参数核密度估计与Copula

本文提出非参数核密度估计-ML方法来估计Copula函数中的未知参数;再由统计检验推断得到能较好描述金融资产之间非线性相关结构的Copula。实证分析表明:可以利用Clayton Copula、Gumbel Copula来描述A股市场上证指数与深证成指之间的非线性相关结构.