ρ-混合误差下回归函数估计的渐近正态

设Y1,Y2,…,Yn 是固定点x1,x2,…,xn 的n 个观察值,适合模型Yi= g(xi)+ εi,1≤i≤n.在｛εi｝为ρ混合误差下讨论了Priestley 等人提出的一类非参数回归函数加权核估计的渐近正态性;在较弱条件下,通过对统计量分块的方法,证明了估计量的渐近正态性     

强混合误差下回归函数小波估计的渐近正态性

文章讨论异方差非参数回归模型,在随机误差序列{ei,i≥1}为α^-混合情形下,建立了回归函数g（·）的小波估计,并得到了该估计的渐近正态性,这些结果推广了梁汉营等人（2007年）在NA情形下的结论．     

混合误差下回归函数小波估计的渐近正态性

研究了误差为混合序列时,固定设计下非参数回归模型的小波估计.在适当的条件下得到了估计的渐近正态性.     

强混合误差下回归函数小波估计的渐近正态性

文章讨论异方差非参数回归模型,在随机误差序列{ei,i≥1}为α-混合情形下,建立了回归函数g(.)的小波估计,并得到了该估计的渐近正态性,这些结果推广了梁汉营等人(2007年)在NA情形下的结论.     

(~ρ)-混合样本下回归权函数估计的一致渐近正态性

在(~ρ)混合样本下,探讨固定设计回归模型的权函数估计的一致渐近正态性,并给出它的收敛速度:约为n-1/6.     

-混合样本下回归权函数估计的一致渐近正态性

在ρ~-混合样本下,探讨固定设计回归模型的权函数估计的一致渐近正态性,并给出它的收敛速度:约为-n 1/6。     

相依样本下回归函数分割估计的渐近正态性

在一种相依样本下,利用鞅的理论证明了回归函数基于分割的估计ma（x）=∑i=1^n IAn（x）（Xi）Yi/∑i=1^n IAn（x）（Xi）渐近正态性,其中IA（x）为集合A的示性函数。给出了相关定理：在一定的假设条件下,Xi具有密度函数f（x）,E｜Y｜^2＋δ 〈∞,EV^2＋δ〈∞,x∈R^d为固定点,nvn^2→∞,则√nvn（m4x（x）-m（x））→L N（0,σ^2）,n→∞.     

ρ-混合相依下回归函数小波估计的相合性

考虑非参数回归模型：Yi = g（ti） ＋ ei （ 1≤ i ≤ n）。其中{ti}是固定设计点列,g（＊）是未知回归函数。令{ei}是ρ-混合相依平稳序列,在比较一般的条件下,研究了未知回归函数g（＊）小波估计的r阶平均相合性以及强相合性。     

相依误差下回归函数导数估计的渐近分布

设y1,…，yn是固定点x1,…，xn的n个观察值，适合模型yi=g(xi) εi,1≤i≤n。在{εi}为φ－混合、α－混合、ρ－混合误差序列情形下，得到了回归函数导数估计的联合渐近分布。     

关于回归函数的核估计的渐近正态性

研究了回归函数的核估计的渐近性质。证明了在一定条件下、回归函数的核估计序列是渐近正态的。     

ρ～混合误差下回归函数的小波估计

研究了误差为ρ～混合平稳序列时,固定设计下非参数回归模型的小波估计.在适当的条件下得到了估计的渐近无偏性、均方相合性、强相合性.     

截尾样本下非参数回归函数基于分割估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R1的总体(X,Y)中抽出的一个i.i.d样本E|Y|<∞,回归函数m(x)=E(Y|X=x).文章在简洁合理的条件下,利用截尾数据的一些性质和鞅的有关理论,证明了截尾样本下非参数回归函数基于分割估计的渐近正态性.     

截尾样本下非参数回归函数改良分割估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R1的总体(X,Y)中抽出的一个i.i.d样本E|Y|＜∞.文章在简洁的条件下,利用截尾数据的性质和鞅的有关理论,证明了非参数回归函数改良分割估计的渐近正态性.     

ψ—混合样本密度估计的渐近正态

在较弱的条件下证明了ψ－混合样本密度核估计的渐近正态性，此结论较好地改进了林正炎所获的结论。     

ARMA序列AR参数G—M估计的渐近正态性

证明了ＡＲＭＡ序列ＡＲ参数Ｇ－Ｍ估计的渐近正态性。     

ARMA序列MA参数G-M估计的渐近正态性

证明了ＡＲＭＡ序列ＭＡ参数Ｇ－Ｍ估计的渐近正态性。     

φ—混合下回归函数改良核估计的一致强相合速度

考虑非参数回归模型Yi=r(Xi)+εt,1≤i≤n,(Xi,Yi)是ψ-混合的随机变量,取值于R×R,且(Xi,Yi)d＝(X,Y),考虑回归函数r(x)=E(Yi|Xi=x)的改良核估计的一致强相合速度.在与独立随机变量情形Nadaraya-Watson估计的结论相近的条件下,达到了回归函数估计的一致最优速度.     

NA误差下回归函数小波估计的渐近性质（英文）

考虑固定设计回归模型Yi=g（xi）＋εi,i=1,…,n,其中{xi}是固定设计点,g（.）是未知函数,{εi}是负相协误差随机误差。本文在适当的条件下,讨论了未知函数g（.）的小波估计量的r-阶矩相合,依概率收敛和强收敛以及渐近正态性。