相依样本下非参数回归函数基于分割估计的强相合性

In this paper, we study the strong consistency for partitioning estimation of regression function under samples that axe φ-mixing sequences with identically distribution.Key words: nonparametric regression function; partitioning estimation; strong convergence;φ-mixing sequences.     

相依样本分布函数和回归函数核估计的强收敛性及其速度

本文讨论样本为φ-混合和α-混合时分布函数核估计的强相合性.在α-混合时讨论其收敛速度,我们的结果与i.i.d.情况相一致,从而改进了[2]中的结论。同时,本文还在ρ-混合下,讨论回归函数核估计的强收敛性及收敛速度,其结果接近于独立情形。     

非参数回归函数最近邻估计的强相合性

设(X,Y),(X₁,Y₁),…,(X_n,Y_n)为取值R^d×R的独立同分布随机向量,E|Y|<∞。设m_n(x)为m(x)=E(Y|X=x)的最近邻估计。本文在E|Y|^r<∞(对某个r>1)或E{exp(t|Y|^λ)}<∞(对某个λ>0及t>0)的条件下,建立了m_n(x)的强相合性。其它附加条件均与(X,Y)的分布无关。     

回归函数估计的强一致相合性

设(X,y)为R~d×R上的随机向量,(X,y),X的密度分别为g,f,y关于X的回归函数为r(t)=E(Y|X=t)=(m(t))/(f(t)), 设{(X_n,Y_n)}为φ混合的,存在整数列{n_T},l≤n_T≤T,(T_φ(n_T))/n_T≤A<∞,     

回归函数核估计的强相合性

设(X_i,Y_i),i=1,…,n是从取值于R~d×R~1的随机向量(X,Y)中抽取的iid.样本。设E|Y|<∞,而以m(x)=E(|Y|X=x)表示回归函数。在本文中,我们考虑m(x)的通常的和递推形式的核估计:其中K(x)假定是R~d上的概率密度,而h_n>0。我们在K(x)很弱的条件下建立了m_n~((i))(x)的a.s.收敛性,i=1,2,3,但是要求X的边际分布具有密度,这种情况曾在Schuster和Yakowitz中讨论过,那里,更要求(X,Y)的联合分布有概率密度。     

强混合样本回归函数估计的强相合性

本文基于强混合样本，给出回归函数核估计的强相合性，全面地改进了胡舒合（１９９５）所得的相应的初步结果。     

截断数据下非参数回归函数估计的强相合性

本文给出了截断数据下非参数回归函数ｍ（ｘ）＝Ｅ（Ｙ｜Ｘ＝ｘ）的两种估计。在一定的条件下证明了第一种估计的强相合性且给出了第二种估计的强收敛速度。     

NA样本回归函数估计的强相合性

在ＮＡ相依样本下研究非参数回归函数加权核估计的相合性,获得了一些较弱的充分条件,与此同时对ＮＡ序列给出一个简洁实用的Ｂｅｒｎｓｔｅｉｎ型不等式。     

相依样本下非参数回归函数之基于改良分割估计的强相合性及收敛速度

In this paper, we study the strong consistency and convergence rate for modified partitioning estimation of regression function under samples that are φmixing with identically distribution.     

m（n）相依样本k近邻回归函数估计的一致强相合性

对一大类非参数回归函数，基于m（n）相依样本构造了回归函数的近邻估计并在合适的条件下获得了估计的一致强相合性及收敛速度．     

某种一般非参数回归函数估计的强相合

本文研究了较为一般的非参数回归函数估计的问题.利用传输不等式,获得了参数估计的强相合性,推广了文献[1]、[6]等结果.     

随机删失场合回归函数的核估计及强相合性

回归函数的非参数估计及相合性问题曾经受到国内外学者的很大关注,但其中大多数都是基于完全样本来讨论的.如设(X_1,Y_1),…,(X_n,Y_n)是从 R~d×R 上的随机向量(X,Y)中抽取的 i.i.d.样本,陈希孺考虑了回归函数 m(x)=E(Y/X=x)的形如 m_n(x)=(?)W_(nj)(x)Y_i(其中 W_(nj)(x)为权函数)的非参数估计,并在适当条件下证     

完全与删失数据下回归函数小波估计的强一致收敛速度

在完全和右删失数据下，构造了回归函数g(x)的小波估计和改良小波估计，得到了估计量的若干强一致收敛速度。     

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。     

$NA$ 相依样本部分线性模型估计理论

考虑部分线性模型 ,其中误差为NA相依样本,具有公共未知分布函数G(·),卢为未知参数, g(·)为未知函数.本文首先建立β和g(·)的相合性估计βn和gn(·),然后基于βn和gn(·)构造出G(·)的非参数估计Gn(·),最后在适当条件下,建立了Gn(·)一致强相合于G(·).     

基于相依函数型数据非参数回归函数的稳健核估计

本文研究了基于相依函数型数据非参数回归函数的核估计.利用稳健的方法,在一定条件下获得了与i.i.d.场合下类似的估计量的几乎完全收敛速度,推广了现有文献中的相关结论.     

￠－混合误差下非参数回归函数加权核估计的相合性

本文在－混合误差下讨论Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ［１］提出的一类非参数回归函数加权核估计的相合性。在较弱的条件下证明了它的完全收敛性和强相合性。这些结论改进了现有的独立情形和相依情形的相应结论。     

混合误差下回归权函数估计的强相合性

对非参数模型Ｙｉ＾（ｎ）＝ｇ（ｘｉ＾（ｎ））＋ξｉ＾（ｎ）,用权函数ｇｎ（ｘ）＝Σ↑ｎ↓ｉ＝１Ｗｎｉ（ｘ）Ｙｉ＾（ｎ）;估计ｇ（ｘ）,在误差为某些相依随机变量列下,我们获得了ｇｎ（ｘ）,的强相合性及一致强相合性。