条件中位数L_1－模核估计的逐点相合性

设（Ｘ，Ｙ）．（Ｘ１，Ｙ１），（Ｘ２，Ｙ２），…为Ｒｄ×Ｒ１上ｉ．ｉ．ｄ．随机向量序列。Ｙ对Ｘ的条件中位数θ（ｘ）定义为在Ｘ＝ｘ时Ｙ的条件分布函数的中位数．校函数Ｋ（·）是Ｒｄ上正实值函数，对ｘ∈Ｒｄ，θ（ｘ）的Ｌ１－模核估计θｎ（ｘ）定义由（１）给出．本文中，我们将文献［４］的均匀核法推广至一般核的情况，并在定义了θ的Ｌ１－模核估计基础之上，研究了其逐点相合性质．     

相依样本下条件中位数L1模核估计的相合性

本文在样本序列为同分布的φ－混合的情形下,研究了条件中位数Ｌ１－模核估计的逐点强、弱相合性。     

L_2-Cross-Validation最近邻中位数估计的相合性:m-相依情形

给出了ｍ－相依情形的Ｌ２－Ｃｒｏｓｓ－Ｖａｌｉｄａｔｉｏｎ最近邻中位数估计的弱相合性和用Ｌ_２－Ｃｒｏｓｓ－Ｖａｌｉｄａｔｉｏｎ方法选择的光滑参数的下界．     

非参数回归中位数交叉核实中位数估计的渐近性质

考虑非参数回归模型Y_ni=g(x_ni)+e_ni,1≤#em/em#≤n,其中g是定义在[0,1]上的待估计的连续函数,x_ni,1≤#em/em#≤n,是[0,1)上的固定设计点,e_ni,1≤#em/em#≤n,是中位数为0的iid随机变量,用最近邻中位数估计g_n.h(x_ni)=(m)(Y_(i(l)~(n),…,Y_(i(h))~(n))来估计g,其中h称为光滑参数。研究光滑参数的选择问题。h利用中位数交叉核实方法选择,记为h_n~*.在一定的正则性条件下,给出了h_n^*的上下界估计,估计g_n.h^*(x_ni)的收敛速度和弱一致相合性。文献中同类问题的结果只能得到平均弱相合性。     

球面数据核近邻估计的强相合性

该文绘出了球面数据密度函数的核近邻估计,通过对核估计与近邻估计相互关系的讨论,建立了核近邻估计的逐点强相合性及一致强相合性．     

随机窗宽核估计L1模相合性

设X_1,…,X_n是来自某个具有分布F(x)和密度f(x)的d维总体的i.i.d.样本。为估计f(x),国内外统计学家提出了许多切合实际的估计,并在其相合性方面取得了大量的成果。随机窗宽核估计就是其中之一,见文献[1—3]等等。最近Breiman L.等,Devroye L.考虑了另一类型随机窗宽核估计即:     

条件中位数L_1-模最近邻估计的逐点收敛速度

设θ(x)为Y关于X的条件中位数。本文研究了θ(x)的 L_1-模最近邻的估计的逐点收敛速度问题。得到的结果与[7]关于回归函数 E{Y|X=x}的最近邻估计的逐点收敛速度类似。     

条件密度的近邻—核估计及其Bootstrap逼近

本文讨论了条件密度的近邻-核估计及其Bootstrap逼近的问题,证明了条件密度近邻-核估计的渐近正志性,Bootstrap逼近的相合性,讨论了有关的收敛速度．     

异方差回归模型近邻型估计的相合性

本文研究异方差回归模型Ｙｉ＾（ｎ）＝ｇ（ｘｉ＾（ｎ））＋εｉ＾（ｎ）,ｉ＝１,…,ｎ,其中ｇ是右实函数,ｘｉ＾（ｎ）是非随机设计点列,εｉ＾（ｎ）是随机误差,文中定义了一类ｇ（ｘ）的近邻型估计ｇｎ（ｘ）＝（ｎ）∑（ｉ＝１）Ｗｍ（ｘ）Ｙｉ＾（ｎ）,得到了ｒ阶平均相全和渐近正态性,特别,在（∞）∑（ｎ＝１）（ｎ）∑（ｉ＝１）Ｅ／εｉ＾（ｎ）／＾ｓ／（ｎｉ）＾ｓ／ｒ〈∞,ｍａｘＥ（１≤ｉ≤ｎ）／εｉ（＾     

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。