多维平稳序列相关阵估计量的渐近分布

若X_t是线性平稳序列、可表示为X_t=sum from j=-∞ to +∞(b_(t-j)ζ_j的形式、其中{ζ_j}j=0,±1,……是独立同分布的随机序列:Eζ_j=0,Eζ_j~2=σ~2>0。对于这种平稳随机序列,T.W.Anderson讨论了其相关系数估计量的渐近分布问题。本文将要讨论{ζ_j}是M维实四阶鞅差序列时,多维线性平稳序列(1)的相关系数组成的协方差阵的估计量的渐近分布问题。为此目的,我们研究了鞅差序列二次型的渐近分布,改进了作者在[2]中所得到的结果。並求出了此种协方差阵估计的渐近分布。     

逆自相关函数估计的渐近性质

逆自相关函数估计的渐近性质陈敏，常学将（山西大学数学系，太原０３０００６）ＴＨＥＡＳＹＭＰＴＯＴＩＣＰＲＯＰＥＲＴＩＥＳＯＦＴＨＥＥＳＴＩＭＡＴＩＯＮＯＦＴＨＥＩＮＶＥＲＳＥＣＯＲＲＥＬＡＴＩＯＮＦＵＮＣＴＩＯＮ￥ＣＨＥＮＭＩＮ；ＣＨＡＮＧＸＵＥＪＩ...     

误差为鞅差序列的部分线性模型中估计的渐近正态性

考虑回归模型yi=xiβ g(ti) ei,i=1,2,…,n,其中(xi,ti)是固定非随机设计点列,g(.)是未知函数,β是待估参数,ei是随机误差且关于非降σ-代数列{Fi,i≥1}为鞅差序列,且满足E(e2n|Fn-1)-σ2=op(1),n→∞,其中0<2σ<∞为未知常数,本文基于g(.)的一类非参数估计的β的最小二乘估计■和2σ的估计量■,在适当条件下证明了其具有渐近正态性,从而推广了[1]在ei为iid情形下的结果.     

半参数回归模型的近邻估计——鞅差误差序列情形

在鞅差误差序列下,给出了半参数回归模型中有关参数β和g(t)的近邻估计,研究了估计量的相合性,在相当一般的条件下,得到了理想的结果。     

鞅差误差下非参数模型的小波估计

This paper is concerned with the heteroscedastic regression model Y1=g(xi) σiei, (1≤i≤n) under correlated errors ei,where it is assumed that σi^2 =f(ui),the design points (xi,u1)are known and nonrandom, and g and f are unknown functions. Assuming that unobserved disturbances ei are martingale differences. The strong uniform convergence rates and r-th moment uniform convergence rates of wavelet estimator of g are investigated. Also,the strong uniform convergence rates are discussed for wavelet estimator of f.     

多维平稳时间序列积分谱图的不变原理

用积分周期图估计平稳时间序列的谱函数，不论是高斯序列还是非高斯序列，其误差过程的不变原理都已被证明，许重光采用自迥归谱估计的积分估计谱函数也证明了误差过程的不变原理成立。本文讨论多维平稳时间序列，引进积分谱图来估计谱函数，证明了误差过程的不变原理在较弱的条件下成立。积分周期图是积分谱图的特例，因而［１］［３］［６］的一些结果是本文有关定理的特例。     

满秩多维平稳序列对线性系统的滤波问题

本文讨论满秩多维平稳序列对线性系统的滤波问题,给出了平稳序列值空间H_X中任一元ξ的最优滤波的谱特征及滤波误差Q=E|ξ-|~2的表达式。     

平稳序列自相关函数正定的充要条件

本文导出了平稳序列的自相关函数Ｂ（τ）为正定的充分必要条件，并说明了ＡＲＭＡ（ｐ，ｑ）序列的Ｂ（τ）总是正定的     

误差为鞅差序列的回归函数估计的收敛速度

当误差为鞅差序列时,研究固定设计点列情形下非参数回归函数一般权函数的非参数估计,并在一些基本条件下给出了估计的一致最优强收敛速度．     

误差为鞅差序列的回归函数估计的收敛速度

当误差为鞅差序列时,研究了固定设计点列情形下非参数回归函数一般权函数的非参数估计,并在一些基本条件下给出了估计的一致最优强收敛速度.     

平稳NA随机变量序列中偏差的下界估计

本文在比较一般的条件下得到了平稳NA序列的中偏差下界估计，进而得到平稳NA序列的中偏差原理。     

渐近鞅差序列的大数定律

研究渐近鞅的收敛性及渐近鞅的 Doob分解 ,证明了渐近鞅差序列服从大数定律     

渐近鞅差序列的大数定律

研究渐近鞅的收敛性及渐近鞅的Doob分解,证明了渐近鞅差序列服从大数定律。     

平稳序列自相关函数正定的充要条件

本寻出了平稳序列的自相关函数B(r)为正定的充分必要条件，并说明了ARMA(p·q)序列的B(r)总是正定的。     

泰勒公式的张量表示及其误差估计

本文给出了泰勒公式的张量表示,在形式上与一元函数的泰勒公式一致,基于张量Z谱半径给出了泰勒公式的误差估计.     

基于指数矩鞅差序列非参数回归函数的估计

本文研究了误差项是鞅差序列,且满足某种指数矩条件的非参数回归函数的估计.利用鞅的某种指数不等式,得到了其加权核估计的强相合以及在有限闭区间内一致强相合的性质,并在某种意义上推广了[5]的结果.     

非平稳随机过程模拟的一个谱表示方法

本文由Priestley渐进谱理论导出了非平稳随机过程蒙特卡罗模拟的一个谱表示方法.按照该方法,样本过程可直接由一余弦级数公式计算产生.可以证明,当级数项数足够大时,模拟的样本过程可准确地反映非平稳随机过程规定的性质;当产生的样本过程足够多时,其总体均值和总体自相关函数均趋于相应目标函数;样本过程随着级数项数趋于无穷而渐近呈正态分布.本文方法最显著的特点在于可以借助随机相位角产生具有某些预期特征的样本过程.     

误差为鞅差序列的部分线性模型中估计的强相合性

考虑回归模型:y_i=x_{i ^β} +g(ti)+σ_ie_i ,i=1,2,...,n,其中 σ_i=f(u_i), (x_i,t_i,u_i)是固定非随机设计点列,f(^.),\ g(^.)$\ 是未知函数,β是待估参数,e_i是随机误差且关于非降σ -代数列{F_i,i≥1} 为鞅差序列.对文献[1]给出的基于f^(.)及g(^.)的一类非参数估计的β的最小二乘估计β_n和加权最小二乘估计β_n,在适当条件下证明了它们的强相合性,推广了文献[6]在e_i为iid情形下的结果.     

对左截断数据估计平稳序列

设平稳信号过程$\{X_t\}$被白噪声序列$\{Y_t\}$干扰. 只有$X_t>Y_t$时可以观测到信号过程$X_t$, 否则只能观测到白噪声$Y_t$. 这种数据模型被称为左截断数据模型. 本文在左截断数据模型下估计平稳信号过程的$\{X_t\}$均值, 自协方差函数, 和自相关系数. 证明所给的估计量是强相合估计. 当$X_t$是自回归序列时, 本文给出自回归模型的强相合的参数估计.     

误差为鞅差序列的半参数回归模型估计的相合性

设半参数回归摸型Y^(n)=β·χi(1) g(l1^(n)) 1 ^(n),i=1,2,…．n,本由最小二乘法和一般加权方法定义的β、g(t)的怙计量βn,gn(t)．在误差为鞅差序列下获得了βn gn(f)的r(≥2)阶平均相合性。