矩阵F分布渐近正态分布的一种方式(英文)

本文主要讨论矩阵F分布的一致渐近正态性.通过计算矩阵F分布和多元正态分布的Kullback-Leibler距离,找到了矩阵F分布一致渐近正态分布的条件.     

奇异四元数矩阵的正态及Wishart分布

本文利用拉直算子(vec)和Kronecker积求得了四元数矩阵的实表示矩阵的一些性质,在此基础上利用实矩阵的奇异正态分布密度函数,求出了四元数矩阵的奇异正态分布的密度函数表达式.由此得到四元数矩阵奇异Wishart分布的密度函数表达式.     

有缺失数据的正态母体参数的后验分布及其抽样算法

在缺失数据机制是可忽略的、先验分布是逆矩阵Γ分布的假设下,利用矩阵的cholesky分解和变量替换方法,本文导出了有单调缺失数据结构的正态分布参数的后验分布形式.进-步用后验分布的组成特点,构造了单调缺失数据结构的正态分布的协方差矩阵和均值后验分布的抽样算法.     

若干矩阵Γ分布的相关分布

本文研究了与矩阵Γ分布相关的若干分布的密度函数,利用矩阵Γ分布的特征函数和它的Bartlett分解等方法,获得了与矩阵Γ分布相关的几个分布的密度函数解析表达式,它们包括Γ分布随机矩阵的子矩阵、行列式、迹和特征根的分布密度,进一步还得到了相关系数矩阵的分布密度函数形式.     

广义矩阵分布下多元回归模型的贝叶斯推断

考虑具有奇异矩阵椭球等高分布误差的多元线性回归模型的贝叶斯统计推断,在非信息先验下得到了系数矩阵关于Hausdorff测度的后验边缘分布和未来观察值的预测分布,并得到了一类特殊奇异矩阵椭球等高分布下误差协方差矩阵的后验边缘分布.对于具有奇异矩阵正态分布误差的多元线性回归模型,在广义正态-逆Wishart共轭先验下得到了类似的后验边缘分布和预测分布结果.在上述两种先验分布下,回归系数矩阵的后验边缘分布和预测分布是双奇异矩阵t分布,这种分布具有关于Hausdorff测度的精确密度.结果表明,在非信息先验下,回归系数矩阵的后验边缘分布和未来观察值的预测分布在奇异矩阵椭球等高分布类中具有稳健性.     

退化矩阵Liouville,Beta,Dirichlet分布

该文引进和讨论了退化矩阵Liouville分布，由此导出退化矩阵Beta分布、退化矩阵Dirichlet分布．推广了文献［1］关于退化Wishart分布和秩为1的退化矩阵Beta分布的结果。     

多组样本下GL—统计量的渐近性质

本文主要讨论多组样本下GL－统计量的渐近分布,这里我们使用了Gateaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d样本下GL－统计量的渐近正态分布的性质[1]。     

多组样本下GL－统计量的渐近性质

本文上要讨论多组样本下GL－统计量的渐近分布。这里我们使用了Gâteaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d.样本下GL－统计量的渐近正态分布的性质[1].     

非线性发病率随机流行病模型的动力学行为

研究了一类具有非线性发病率的随机SEIR传染病模型的绝灭性及平稳分布问题,通过构造合适的Lyapunov函数及控制噪声强度,在适当的条件下,得到模型的全局解存在唯一、指数稳定,且解具有平稳分布及遍历性.利用线性化及Fourier变换,证明了解渐近服从四维正态分布,并给出均值及方差矩阵的表达式.数值模拟验证了我们所得的主要结果.     

Wishart矩阵二次型初步理论及其应用

设A～W_m（n,Σ）,D为m×m对称阵,称B=A＇DA为Wishart矩阵二次型,本文讨论了Wishart矩阵二次型的分布密度及其各种初步性质,并将其推广到椭球等高分布族,最后用二次型理论解决了求正态总体协差阵Σ的某一类Bayes估计的问题。     

相协样本分布函数光滑估计的正态逼近速度

在平稳相协样本下,讨论分布函数光滑估计的一致渐近正态性.在较合理的条件下给出了分布函数光滑估计的一致渐近正态性的收敛速度,这个速度几乎达到n~(-1/4).     

强混合样本下回归加权估计的一致渐近正态性

在强混合样本下,讨论固定设计回归模型的加权函数估计的一致渐近正态性,给出一致渐近正态性的收敛速度,这个速度接近n-1／6．     

NA样本密度函数估计一致渐近正态性的收敛速度

在平稳NA样本下,讨论了未知密度函数估计的一致渐近正态性.在适当的条件下给出了该密度函数估计一致渐近正态性的收敛速度.这个速度几乎达到n^{-1/6}     

Testing for small bias of tail index estimators

We determine the joint asymptotic normality of kernel and weighted least-squares estimators of the upper tail index of a regularly varying distribution when each estimator is a bivariate function of two parameters: the tuning parameter is motivated by possible underlying second-order behavior in regular variation, while no such behavior is assumed, and the fraction parameter determines that upper portion of the sample on which the estimator is based. Under the hypothesis that the scaled asymptotic biases of the estimators vanish uniformly in the parameter points considered, these results imply joint asymptotic normality for deviations of ratios of the estimators from 1, which in turn yield asymptotic chi-square tests for checking the small-bias hypothesis, equivalent to the constructibility of asymptotic confidence intervals. The test procedure suggests adaptive choices of the tuning and fraction parameters: data-driven (t)estimators.     

Asymptotic normality of fluctuations of the procedure of stochastic approximation with diffusive perturbation in a Markov medium

We consider the asymptotic normality of a continuous procedure of stochastic approximation in the case where the regression function contains a singularly perturbed term depending on the external medium described by a uniformly ergodic Markov process. Within the framework of the scheme of diffusion approximation, we formulate sufficient conditions for asymptotic normality in terms of the existence of a Lyapunov function for the corresponding averaged equation. __________ Translated from Ukrains’kyi Matematychnyi Zhurnal, Vol. 58, No. 12, pp. 1686–1692, December, 2006.     

渐近正态随机变量函数的极限分布

基于渐近正态随机变量,导出随机变量函数极限分布的两个一般性理论结果.作为应用,证明了渐近正态随机变量一系列具体函数的极限分布,其中包括泊松随机变量平方根的渐近正态性,以及随机变量部分和在正则化常数是随机变量情况下的渐近正态性.     

一类混合序列下分位数估计的一致渐近正态性

本文在混合序列下, 研究了分位数估计的一致渐近正态性. 在一定条件下其收敛速度达到. 所得结果可以应用到风险度量VaR分位数估计.     

A Central Limit Theorem for Non-stationary Strongly Mixing Random Fields

In this paper we extend a central limit theorem of Peligrad for uniformly strong mixing random fields satisfying the Lindeberg condition in the absence of stationarity property. More precisely, we study the asymptotic normality of the partial sums of uniformly \(\alpha \)-mixing non-stationary random fields satisfying the Lindeberg condition, in the presence of an extra dependence assumption involving maximal correlations.     

多元t分布的一致渐进正态性

讨论了多元t分布一致渐进正态性的条件,利用不等式法估计了二者之间的Kullback-Leibler距离,给出了Kullback-Leibler距离表达式,最后对多元t分布一致渐进正态性进行了模拟验证.