一般形式的密度估计

对于一般形式的核密度估计,我们指出ComposV.S.M.和DoreaC.C.Y.2001年论文中存在的几处错误,且给出了正确的结果及其证明.推广了一些有关文献中关于连续型密度和离散型分布核估计的若干结果.     

NA样本的递归密度估计

设$\{X_n,n\geq 1\}$是一个严平稳的负相协的随机变量序列, 其概率密度函数为$f(x)$.本文讨论了$f(x)$的递归核估计量的联合渐近正态性.     

NA、PA样本下密度核估计的相合性

设{Xn,n≥1}为同分布的NA或PA随机变量序列，f(x)为X1概率密度函数，基于样本X1，X2，…，Xn，本对密度函数（f(x)的核估计进行了讨论，在适当条件下证明了其强相合和r阶矩相合。     

NA样本概率密度函数核估计的相合性

设{X     

相协样本下密度核估计的联合渐近分布

证明了相协样本下密度函数的核估计在有限个不同点上的联合渐近分布为多维正态分布.     

相依样本下概率密度函数估计的渐近正态

设随机变量 X具有概率密度函数 f (x) ,X1,… ,Xn为 f (x)的样本 ,基于 X1,… ,Xn定义一类 f (x)的估计 fn(x) .本文在 X1,… ,Xn为 α——混合、ρ——混合样本时 ,得到了 fn(x)的渐近正态性     

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}     

NA随机变量的递归密度核估计的渐近正态性

设{Xn,n≥1}为同分布的NA样本序列，其未知概率密度函数为f(x),基于样本X1,…,Xn，用递归密度核估计fn(x)=1/n∑j=1 n 1/hj K(x-Xj/hj)对f(x)进行估计。本文研究了在一定条件下，fn(x)的渐近正态性。     

相依随机变量的密度函数的递归核估计的渐近正态性

设{X_n;n≥1}为同分布的ρ-混合序列,其未知密度,f(x)的递归核估计为: f_n(x)=1/n sum from j=1 to n h_j~(-1)K(x-X_j/h_j),本文在适当的条件下,讨论由f_n(x)所产生的随机元的有限维渐近正态性。     

NA列递归密度核估计的相合性

本文在一定的条件下证明了基于NA样本序列的递归型密度核估计的均方相合性和逐点强相合性，作为在可靠性问题中的应用，利用NA样本构造了生存函数和失效率函数的估计，并讨论了相应的逐点强相合性。     

相依样本下条件密度递归双重核估计的强相合性

本文给出了条件密度的递归形式的双重核估计,并且在样本序列为平稳φ-混合的条件下讨论了它的强相合性。     

截断样本下的强率函数和密度函数核估计的渐进正态性

本文用[1]发展的计数过程去研究截断样本下强率函数核估计的渐进正态性．在弱于[7]和[10]的条件下，得到了更一般的结果．接着我们将这种方法运用到密度函数核估计，在较弱的条件下，得到了截断样本下密度函数核估计的渐进正态性．     

密度核估计的随机加权法

利用随机加权法的思想,找出概率密度函数估计的随机加权统计量,在适当的条件下证明随机加权分布逼近核估计误差分布的精度为     

核密度估计在预测风险价值中的应用

通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预测模型.最后,通过上证指数收益率对建立的VaR预测模型进行了实证分析,结果显示两种加权方法对上证指数收益率的VaR预测具有较高的效率.     

Pointwise Improvement of Multivariate Kernel Density Estimates

Multivariate kernel density estimators are known to systematically deviate from the true value near critical points of the density surface. To overcome this difficulty a method based on Rao–Blackwell's theorem is proposed. Local corrections of kernel density estimators are achieved by conditioning these estimators with respect to locally sufficient statistics. The asymptotic as well as the small sample size behavior of the improved estimators are studied. Asymptotic bias and variance are investigated and weak and complete consistency are derived under mild hypothesis.     

Heat Kernel Estimates for Non-symmetric Finite Range Jump Processes

In this paper,we first establish the sharp two-sided heat kernel estimates and the gradient estimate for the truncated fractional Laplacian under gradient perturbation ■,where ■ is the truncated fractional Laplacian,α∈(1,2) and b ∈ K_d~(α-1).In the second part,for a more general finite range jump process,we present some sufficient conditions to allow that the two sided estimates of the heat kernel are comparable to the Poisson type function for large distance |x-y|in short time.