删失场合混合样本下回归函数核估计的强相合性

在删失场合下,当(Xi,Yi)为同分布ψ混合样本时,获得了回归函数m(x)=E(Y|X=x)的3类核估计的强相合性.     

随机删失场合基于 Synthetic Data 的回归 函数核估计的强相合性

本文改进了文献[ 1] 中窗宽的条件; 并且讨论了随机删失场合基于 Synthetic Data 的回归函数递推核 估计的强相合性,所得结论均与完全样本情况相对应.     

随机删失场合回归函数的改良核估计

本文在随机删失场合下,讨论了回归函数ne(z) = E[州X二习的估计问题,利用改良的核估计方法,得到了改良核估计的强相合性.     

随机删失场合回归函数改良核估计的收敛速度

本文在随机删失场合下 ,得到了回归函数 m ( x ) = E [Y /x ] 的改良核估计及核估计的收敛速度 ,该结果与完全数据场合完全一致.     

删失数据非参数回归函数最近邻估计强收敛速度

建立了删失数据非参数回归函数最近邻估计强收敛速度,并得到主阶n的指数为1／(2 d)的最优速度．作为定理的推论,在完全数据情形时,本质地改善了赵林城等(1984,1986)所得的结果。     

WOD样本下密度函数核估计的强相合性

设（Xn,n≥1）是同分布的WOD随机变量序列,具有共同的密度函数f（x）,利用WUOD序列的指数不等式,在适当条件下获得了WOD样本下密度函数核估计的强相合性．     

WOD样本下密度函数核估计的强相合性

设{X_n,n≥1}是同分布的WOD随机变量序列,具有共同的密度函数f(x),利用WUOD序列的指数不等式,在适当条件下获得了WOD样本下密度函数核估计的强相合性.     

随机删失场合半参数回归模型参数估计的重对数律‘

本文探讨了随机删失场合半参数回归模型的参数估计问题.考虑半参数回归模型Y =X}}3 + g(T)十。，其中(X,T)’为取值于Kp X [0,1〕上的随机向量，月为1'维未知参数向量，8为定义于【0.1]上的未知函数，。为随机误差，Ee = 0 . Eez = az }。未知，且(X ,T)与。独立，).被一个与之独立的随机变量V所截.此时仅能观察到:Z=min(Y,V),o=1(Y簇V)，参数I3,az的估计量禽及公 z可综合非参数的权函数估计法与参数的最小二乘估计方法得到.本文对核函数的情形得到了念及ar z的精确收敛速度即重对数律.     

风险率函数基于右删失数据的估计

在随机右删失数据情形下,对风险率函数给出了一种类似于完全样本下由Rosenblatt提出的估计.并在较弱的条件下,讨论了K-类密度估计的强收敛速度和渐近性;同时给出了风险率函数估计量的强收敛速度.     

NA 序列回归函数核估计的强相合性

本文在{Y i :i =1, 2, … , n}为同分布NA 序列的条件下得到了非参数回归函数m(x)=E(Y X =x)核估计的强相合性.     

鞅差序列下回归函数加权核估计的收敛性

研究了在删失样本下误差为鞅差序列时 ,回归函数加权核估计的r阶矩收敛性 ,完全收敛性和几乎处处收敛性 ,推广了在完全样本下误差为鞅差序列时相应的结论 ,同时还给出了r(r >1)阶矩收敛的收敛速度     

误差为Brown运动情形的半参数回归模型小波估计的强相合性

考虑半参数回归模型yt=xtβ＋g（t）＋εt，其中待估参数β∈R，t∈[0，1]为[0，1]上的未知函数，误差εt为标准Brown运动．先利用差分和最小二乘法得到参数的估计，然后利用小波方法得到非参数的估计，最后研究了参数及非参数估计量的强相合性．     

NQD样本最近邻密度估计的相合性

随机变量X1，…，Xn称为是两两NQD的，若对于任意Xi，Xj（i≠j，i，j=1，2，…，n）都有：P（Xi〈x，Xj〈y）≤P（Xi〈x）P（Xj〈y）．利用两两NQD序列的Bernstein不等式，证明了两两NQD样本最近邻密度估计的弱相合性，强相合性以及一致强相合性．本文要求的条件弱于杨善朝等关于NA样本最近邻密度估计相合性所要求的条件，从而推广了杨善朝等的结果．     

一类空间自回归模型的强相合性

(∧αn,∧βn)表示在空间自回归模型Zij=αZi-1,j βZi,j-1-αβZi-1,j-1 εij中参数(α,β)的Guass-Newtor估计.根据已知的结论:当α=β=1时,{n(3/2)(∧αn-α,∧βn-β)}收敛于二元正态随机向量分布即limn{(n(3/2)(∧αn-α,∧βn-β))'}→DN2(0,Γ),其中Γ=diag(2.2).利用双参数强鞅收敛定理,可以证明:当r＜(3/2)时,nr(∧αn-α,∧βn-β)→(0-).a.e.     

相依样本回归函数的累进形核估计的强相合性

研究了平稳、φ混合过程的回归函数累进形核估计的逐点强相合性，同时给出了收敛速度。     

随机截断下PL 估计的强表示式以及密度函数的核估计

本文在随机左截断情形下, 研究了分布函数的乘积限估计(PL 估计) Fn 的一致强表示式, 对文献[ 4] 给出的强表示式的误差项的阶加以改进, 并用此强表示式研究了核密度估计fn(x)的渐近性质.对于渐 近最优窗宽的选择以及MSE 的阶, 得到与完全样本下相同的结果.