线性过程样本协方差序列的渐近分布

文献[1]给出强平稳实四阶鞅差序列{ε(n),n=0,±1,±2,…}条件下一类线性过程{x(n),n=1,2,…} x(n)=sum from j=0 to ∞ψ_jε(n-j)的样本协方差的极限分布,本文拓广了[1]的结果,对一般四阶鞅差序列得到与[1]类似的结论。     

线性过程样本协方差序列的渐近分布

<正> 样本协方差序列的渐近分布是时间序列分析的一个重要议题。文献[Ⅰ]利用鞅差序列二次型的渐近性态讨论了广泛的一类线性过程     

两指标线性平稳过程的样本自协方差估计的强相合速度

本文在条件弱于文献［１］的情况下，且在（ｍ１，ｍ２）→＋∞的一般形式下，给出了两指标线性平稳过程的样本自协方差估计的强相合速度，同时也给出了两指标ＡＲ过程的Ｙ－Ｗ估计的强相合速度。     

双重时序模型矩估计的渐近性：1.样本自协方差（自相关）函数

双重时序模型自提出以来，特别是关于模型的概率性质（如平很快稳性，遍历性）已有许多讨论，但统计推断方面的文章还很少。作为［９，１０］工作的继续，本文及后续文章将讨论矩估计及其大样本性质。首先在本文中，基本的矩估计量（样本自协方差函数及样本自相关函数）的渐近性质对ＡＲ（１）－ＭＡ（ｑ）模型得到讨论，证明了其渐近正态，并 强相合的收敛速度。     

相协样本下Wilcoxon两样本统计量的渐近分布北大核心CSCD

研究了相协样本下Wilcoxon两样本统计量的渐近分布的问题.利用Hoeffding分解方法,获得了相协样本下Wilcoxon两样本统计量的渐近分布为正态分布的结果,推广了负相协样本下Wilcoxon两样本统计量的渐近分布的结果.     

相依样本下条件密度双重核估计的渐近分布

本文讨论了平稳，φ－混合样本下条件密度双重核估计（１）（２）在有限个点处的联合渐近分布，推广了（３）和（４）的结果。     

多维平稳序列相关阵估计量的渐近分布

若X_t是线性平稳序列、可表示为X_t=sum from j=-∞ to +∞(b_(t-j)ζ_j的形式、其中{ζ_j}j=0,±1,……是独立同分布的随机序列:Eζ_j=0,Eζ_j~2=σ~2>0。对于这种平稳随机序列,T.W.Anderson讨论了其相关系数估计量的渐近分布问题。本文将要讨论{ζ_j}是M维实四阶鞅差序列时,多维线性平稳序列(1)的相关系数组成的协方差阵的估计量的渐近分布问题。为此目的,我们研究了鞅差序列二次型的渐近分布,改进了作者在[2]中所得到的结果。並求出了此种协方差阵估计的渐近分布。     

部分线性模型回归系数估计的渐近分布

考虑部分线性模型Ｙ＝Ｘ‘β＋ｇ（Ｔ）＋ｅ，ｘ∈Ｄ，ｔ∈「０，１」，β为未知的参数向量，ｇ为未知函数，Ｃｈｅｎ给出此模型的一种估计如下，先用分段多项式逼近ｇ，然后用最小二乘法估计β，「１」得到估计量β的渐近正态性。因其渐近分布中含有未知参数，不能直接用于检验问题。     

线性回归系统两步协方差改进估计的优良性

对于ｍ个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性，即在随机误差服从正态分布的假设下，当样本量充分大时，两步协方差改进估计与协方差改进估计一样好。     

基于样本协方差矩阵的多维随机数生成方法

对于概率模型未知的多维数据样本容量扩充问题,根据主成分分析原理以及多维正态分布的性质,讨论并给出了与已知多维样本数据有相同协方差结构的模拟数据生成算法,并在此基础上给出了变量的离散化处理方法。实现了在小样本数据基础上不改变变量间协方差结构的样本容量扩充,为小样本条件下的数学建模、检验和分析提供样本数据支撑。     

基于线性回归的协方差分析模型与检验

基于虚拟变量和局部显著性检验,在线性回归的体系下重建了协方差分析理论,包括描述模型、估计参数、解释方差分解的不同形式及几何意义,得到了协方差分析的三个重要检验.还验证了响应变量校正的效果,证明了原数据中因素显著性与校正后数据中因素显著性之间的两种联系.     

完全样本情形下威布尔分布参数的估计

考虑尺度参数为θ、形状参数为β的二参数威布尔分布．本文讨论是全祥本情形下θ和β的矩型估计^θ和^β的性质。并把^θ和^β与θ和β的简单线性无偏估计^θ和^β作了比较．^θ和^β具有强相合性和渐近正态性。且计算简单、使用方便．本文还给出了一些随机模拟结果。     

截尾分布与截尾样本的统计分析

[1]中给出了样本容量n已知的(n,r）定时截尾不完全样本的分析方法。在[2]中我们讨论了n未知的（n,r）定时截尾不完全样本并较好地处理了晚截尾的接近完全样本的分析。本文中我们相应于截尾样本，引入截尾分布，通过用截尾样本拟合截尾分布而得到寿命T的整体分布。此方法无论对n已知还是n未知，对早截尾还是晚截尾的（n,r）定时截尾样本都适用。并且此方法还可推广到对其它形式的不完全样本的处理。     

平稳线性序列部分和分布的随机加权逼近

平稳线性序列部分和分布的随机加权逼近范金城，王宁，梅长林（西安交通大学应用数学系，西安７１００４９）ＴＨＥＲＡＮＤＯＭＷＥＩＧＨＴＩＮＧＡＰＰＲＯＸＩＭＡＴＩＯＮＦＯＲＴＨＥＤＩＳＴＲＩＢＵＴＩＯＮＯＦＴＨＥＰＡＲＴＩＡＬＳＵＭＯＦＡＳＴＡＴＩＯＮＡ...     

平稳正态序列超过数点过程与部分和的渐近联合分布

{Xi}为平稳正态序列,具有EX1=0,EX12=1,ρn=EX1Xn 1.对于水平un= ,记在 的条件下,得到了Nn(B)与Sn的渐近联合分布,同时也给出了极值与Sn的渐近联合分布.     

用随机规划方法寻求线性回归模型小样本L1^—估计量的分布

为了使Ｌ１－估计能在ｉ导手械玫接τ这里我们给出求线性回归模型小样本Ｌ１－估计量的概率分布的方法。根据Ｌ１－估计量的特殊结构和使用随机规划的方法可以省去不少计算量，从而使这一方法更加有效。     

局部广义高斯序列与广义线性过程

本文对局部广义高斯序列得到了ｒ阶绝对矩的上界不等式，进而对由其生成的广义线性过程｛Ｘｎ｝给出了ａ．ｓ．收敛的充分条件。     

一类相依正态序列超过数点过程的渐近分布

{X_n,n≥1}为存在样本缺失的标准化平稳正态序列,相关系数r_n=EX_1X_(1+n).(?)_n与(?)_n分别为观测到与未观测到的子样形成的超过数点过程.令N_n=(?)_n+(?)_n.本文研究r_nln→ρ∈[0,∞)时超过数点过程N_n,(?)_n与(?)_n的弱收敛性及顺序统计量的联合渐近分布.     

协方差函数可微的高斯过程之极值逗留

设（Ｘ（ｔ），Ｔ１≤ｔ≤Ｔ２）是可分，可测的高斯过程，均值函数为零，而协方差函数Г（ｓ，ｔ）＝ＥＸ（ｓ）Ｘ（ｔ）具有连续一阶偏导，对于水平ｕ↑∞，本文讨论Ｘ（ｔ）在ｕ上的逗留极限定理。