共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
NA样本回归函数估计的强相合性 总被引:33,自引:0,他引:33
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。 相似文献
4.
5.
6.
7.
8.
设(X,Y),(X1,Y1),…,(XnYn)为取值于 Rd× R的 i.i.d.随机变量,E(|Y|) <∞.设mn(x)为回归函数m(x)=E(|Y|X=x)基于分割的估计,本文在对mn(x)进行改良的条件下得到改良的基于分割的强相合估计. 相似文献
9.
本文将研究二类跳跃回归函数的估计问题。对于跳跃点个数已知、跳跃点位置未知、跃度已知或未知这二类跳跃回归函数,本文提出了核差估计的思想,并在较弱的条件下证明了该估计是a.s.和L~2相合的。本文的核差估计适合于多个跳跃点存在的情形,它与已有的跳跃回归函数的一些估计方法相比,具有思想直观、统计性质好、估计方法灵活等特点。 相似文献
10.
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。 相似文献
11.
分布自由的回归函数核估计的相合性 总被引:5,自引:0,他引:5
在合适条件下,我们获得了基于完全和截尾数据回归函数核估计的逐步相合性,所获的结果对于所有X的分布μ均成立,因此是分布自由的。 相似文献
12.
ψ—混合误差下非参数回归函数加权核估计的相合性 总被引:15,自引:0,他引:15
杨善朝 《高校应用数学学报(A辑)》1995,(2):173-180
本文在ψ-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。 相似文献
13.
随机删失场合回归函数的核估计及强相合性 总被引:4,自引:0,他引:4
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 相似文献
14.
混合误差下回归权函数估计的强相合性 总被引:1,自引:0,他引:1
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。 相似文献
15.
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强相合性 ,推广了已有文献中的部分结果 . 相似文献
16.
设 X_1,…,X_m i.i.d.是取值于 R~n 中的随机向量,X_1 有概率密度 f(x),取正随机变量 H_m(x,ω)=H_m(x,X_2(ω),…,(ω))为随机窗宽,f(x)的核估计与最近邻估计分别如下:f_m(x)=(mH_m~n(x,ω))~(-1)sum from i=1 to m K((X_i-x)/H_m(x,w))f_m(x)=(ma_m~n(x,w))~(-1) sum from i=1 to m K((X_i-x)/a_m(x,w)),m≥1,x∈R~n.假定 K 为 R~n 中有界变差函数,当 f(x)与 K(x)的条件比[1]弱时,我们讨论了 f_m(x)与 f_m(x)的一致强相合性。本文所得随机窗宽的结果与[1]中常数窗宽的结果相同,这些结果也比[2]和[5]中的要好。 相似文献
17.
本文引入固定设计情形下回归函数小波估计的泛相合性概念,证明了此小波估计的泛相合性。 相似文献
18.
主要讨论了随机删失下的部分线性模型,利用基于分布函数的核估计和最小二乘法,给出了删失情况下参数和非参数部分的估计,并证明了它们的强相合性. 相似文献
19.
NA样本非参数回归权函数估计的强相合性 总被引:1,自引:0,他引:1
在 NA样本下 ,讨论了非参数回归模型中权函数估计的强相合性及强一致相合性 ,并把这个结果应用于 Gasser- Muller估计和 Priestley and Chao估计 . 相似文献
20.
设Z_(11),z_(12),…,Z_是在固定点(x_i,y_1),1≤≤n_1,1≤j≤n_2,的n_1n_2个观察值,适合模型 Z_(ij)=g(x_i,y_j)+ε_(ij),1≤i≤n_1,1≤j≤n_2。(1) 本文给出了g的一种估计并讨论了估计的性质。 相似文献