NA随机变量的递归密度核估计的渐近正态性

设{Xn,n≥1}为同分布的NA样本序列，其未知概率密度函数为f(x),基于样本X1,…,Xn，用递归密度核估计fn(x)=1/n∑j=1 n 1/hj K(x-Xj/hj)对f(x)进行估计。本文研究了在一定条件下，fn(x)的渐近正态性。     

NA样本密度函数估计一致渐近正态性的收敛速度

在平稳NA样本下,讨论了未知密度函数估计的一致渐近正态性.在适当的条件下给出了该密度函数估计一致渐近正态性的收敛速度.这个速度几乎达到n^{-1/6}     

NA样本递归型分布函数估计的相合性

在NA相依样本条件下，对未知分布函数F(x)的递归核估计进行研究，在适当的条件下，得到了估计的r^-阶平均相合速度，逐点强相合和一致强相合速度，作为应用，讨论了平均剩余寿命函数估计的相合速度。     

NA样本下一般形式的密度估计

Campos和Dorea(2001)在独立同分布样本下讨论了一般形式的核密度估计,得到了与连续型密度和离散型密度类似的结果,并将他们作为特例.本文则在NA样本下给出了类似的结果.     

NA序列下的Wilcoxon两样本统计量

样本{X_1,X_2,…,X_m}与{Y_1,Y_2,…,Y_n}之间相互独立,但样本内部均为强平稳NA序列．在上述情况下研究了Wilcoxon两样本U统计量的渐近正态性,并给出了实际检验的计算公式．     

混合样本时密度估计的渐近正态性

对多元密度函数的最近邻估计和核估计,在样本为不混合的场合下,本文获得了它们的渐近正态性。     

NA样本概率密度函数核估计的相合性

设{X     

NA样本最近邻密度估计的相合性

在NA样本下研究最近邻密度估计的相合性，给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件．同时研究了失效率函数估计的一致强相合性     

相依随机变量的密度函数的递归核估计的渐近正态性

设{X_n;n≥1}为同分布的ρ-混合序列,其未知密度,f(x)的递归核估计为: f_n(x)=1/n sum from j=1 to n h_j~(-1)K(x-X_j/h_j),本文在适当的条件下,讨论由f_n(x)所产生的随机元的有限维渐近正态性。     

NA列递归密度核估计的相合性

本文在一定的条件下证明了基于NA样本序列的递归型密度核估计的均方相合性和逐点强相合性，作为在可靠性问题中的应用，利用NA样本构造了生存函数和失效率函数的估计，并讨论了相应的逐点强相合性。     

强混合样本下最近邻密度估计的渐近正态性

研究了α-混合样本下最近邻密度估计的渐近性质,证明了估计的渐近正态性并且给出了其渐近方差的显式表达式,由此构造了α-混合样本下概率密度的渐近置信区间.     

NA样本下回归函数导数估计的收敛速度

本文对NA样本,在一定条件下,研究了非参数回归函数导数核估计逐点强相合及一致强相合的收敛速度.     

NA样本下Pareto分布参数的经验Bayes估计

讨论了Pareto分布在平方损失下参数的Bayes估计,采用同分布负相协样本的核估计方法讨论了参数的经验Bayes(EB)估计问题,并计算了给定条件下参数的经验Bayes估计的收敛速度。最后,对我国高收入阶层的财富分布情况进行了实证分析,实证分析表明我国高收入阶层的财富分布是可以用Pareto分布来描述的。     

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。     

连续型单参数指数族参数的经验Bayes估计问题:NA样本情形

对连续型单参数指数族在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当条件下获得了EB估计的收敛速度.文末给出一个满足定理条件的例子.     

NA样本下截断型分布族参数的经验Bayes估计

运用NA样本密度函数核估计构造了一类截断型分布族参数的经验Bayes估计，建立了它的收敛速度，证明了在适当条件下该收敛速度可以任意接近于1，文中还给出了适合定理条件的例子。     

Wavelet Estimation in Heteroscedastic Model Under Censored Samples

Consider the heteroscedastic regression model Yi = g（xi） ＋ σiei, 1 ≤ i ≤ n, where σi^2 = f（ui）, here （xi, ui） being fixed design points, g and f being unknown functions defined on [0, 1], ei being independent random errors with mean zero. Assuming that Yi are censored randomly and the censored distribution function is known or unknown, we discuss the rates of strong uniformly convergence for wavelet estimators of g and f, respectively. Also, the asymptotic normality for the wavelet estimators of g is investigated.     

单边截断分布族参数的经验Bayes检验：NA样本情形

本文运用同分布NA样本密度函数的核估计,构造一类单边截断型分布族参数的经验Bayes检验,讨论它的渐近最优性,建立其收敛速度,在适当的条件下,证明了该收敛速度可以任意接近于1,最后给出适合定理条件的一个例子。