带多余位置一刻度参数的非参数两样本问题

<正> 设x_1,…,x_m,y_1,…,y_n为m+n个独立随机变量,x_i有连续分布函数F,y_i有连续分布函数G.要依据这些观测值x_i,i=1,…,m,y_i,j=1,…,n来检验假设(注意F和G都是未知的) H_o:存在常数A和B,B>0,致     

一类混合回归模型中估计的收敛速度

考虑回归模型y_i=x_iβ+g(t_i)+e_4,i=1,2,…,n,其中 g(·)是未知光滑函数,β是未知待估参数,e_4是随机误差.设{(x_4,t_4,y_4),1≤i≤n}是 i.i.d.子样.本文首先给出了 g(·)的一类近邻估计n(·),然后基于模型 y_4=x_4β+(t_4)+e_4得到了β的最小二乘估计.在适当条件下,证得了及 g(·)的最终估计(·)的强弱收敛速度.     

相依线性回归模型M-估计的线性表示（英文）

本文考虑如下线性回归模型y_i=x_i~Tβ+e_i,i=1,2…,n,其中e_i=G(…,ε_(i-1),ε_i)是平稳相依误差,ε_i,i∈Z是独立同分布的随机变量.在非凸函数的情形下,得到了参数β的M-估计的线性表示,并由此得到两个应用:强收敛速度和正态分布.最后,用一模拟算例来说明本文方法的有效性.     

线性模型中误差方差估计的完全收敛性

在通常的线性模型y_i=x~_i′β_i+e_i(i=1,2,…)中,设σ~2=V_ar(e_i)。由前n次观测值y_1,y_2,…y_n可得基于残差平方和的σ~2估计(?)_n~2。本文中,当{e_n}为iid时,我们给出了许多(?)_n~2-σ~2完全收敛的充分必要条件,当{e_n)为独立但不同分布时,我们给出了(?)_n~2-σ~2完全收敛的充分条件,同时指出这些条件不能再减弱了。     

双向删失数据情形下的置信限

设X_1,X_2,…,X_n是概率空间(Ω,f,P_e)(θ∈①)上的独立同分布随机变量列,共同分布函数是F(x,θ).(F(0,θ)=0).给定正数t_1,…,t_n及函数9(θ):①→[-∞,∞].设Y_i=l(X_i>t_i)(i=1,2,…,n),这里l_A是集合A的示性函数。本文中我们给出了9(θ)的基于观测值y=(y_1,y_2,…,y_n)的最优的置信下限,当①=((?),(?)) (-∞≤(?)<(?)≤∞)而且F(t_i,θ)是θ的严格减函数时,我们得到了计算最优置信限的有效方法。     

相依误差广义线性模型的M估计的Bahadur表示

考虑如下广义线性模型y_i=h(x~T_i,β)+e_i=1,2,…,n,其中e_i=G(…,ε_(i-1),ε_i),h是一个连续可导函数,ε_i是独立同分布的随机变量,并且它的期望为0,方差σ~2有限.本文给出了参数β的M估计,并且得到了该估计的Bahadur表示,该结论推广了线性模型的相关结论.应用M估计的Bahadur表示,得到了相依误差的线性回归模型,poisson模型,logistic模型和独立误差的广义线性模型等模型的渐近性质.     

Equivalence of Non-Gaussian Linear Processes

Two random processes x_t and y_t on an index set G are said to be equivalent iffor any positive integer n and any t_1,t_2,…,t_n∈G, (x_(t_1),x_(t_2),…,x_(t_n)) and (y_(t1),y_(t2),…, y_(t_n)) have the same joint probability distributions. Note that x_t and y_t may betwo random processes on a probability space or on two different probability spaces. The Equivalence Theorem Let x_t and y_t be non-Gaussian linear processes ona countable abelian group G:     

线性模型中误差方差估计的收敛速度

在通常的线性模型y_i=x′_iβ+e_i(i=1,…,n,…)中,设σ~2=Var(e_i),由前n次观测值y_1,…,y_n,可得基于残差平方和的σ~2的估计(?)_n~2,本文证明了:若随机误差序列独立同分布,则对某个t≥1,E|e_1~2|~t<∞的充要条件为,对任给的ε>0,这样,对于(?)_n~2-σ~2的收敛速度,得到与同分布独立和情形同样优良的结果。     

一类非标准随机游动及其在风险理论中的应用

考虑一类非标准的随机游动Sn=X1 … Xn,其中Xi(i≥1)为一列独立的随机变量序列,X1的分布函数为G,Xi(i≥2)具有共同的分布函数F.本文主要研究了F与G属于S(γ)族时,非标准随机游动的尾等价式和局部等价式,并给出在风险理论中的一些应用.     

单位球面上的一极值问题

设Ω是R~n中的紧集,1相似文献   

一个三次样条插值定理

C.Davis和W.J.Kammerer曾先后用不同的方法证明了如下定理: 设y_0,y_1,…,y_n为实数,满足y_0>y_1,y_1y_3,…,则存在唯一的一个n次多项式P_n(x)和一组点x_0,x_1,…,x_n使得P_n(x_i)=y_i(i=0,1,…,n),P′_n(x_i)=0(i=1,2,…,n-1),0=x_0相似文献   

多维参数单跳过程产生的σ域族

设X≠0为随机变量,T=(T_1,T_2,…,T_3)为随机向量,本文讨论由n维参数单跳过程(X_t)产生的σ域族,其中X_t=XI_((T_1≤t_1,T_2≤t_2,…,T_n≤t_n)),t=(t_1,t_2,…,t_n)∈R_+~n,我们建立了这个σ域族的构造,其上停线,可料过程和可选过程的刻划,并给出使(X_t)为(强,弱,一致可积)鞅的充要条件。     

拟线性奇异摄动问题一致收敛差分格式

1 引言 我们考虑拟线性奇异摄动Dirichlet问题 εy″-(f(y))′-b(x,y)=0,0相似文献   

一类随机加权和的渐近性及其应用

本文考虑随机加权和及其最大值尾概率的渐近性,其中增量{X_i,i≥1}为一列独立同分布的实值随机变量,权重{θ_i,i≥1}为另一列非负的随机变量,并且两列随机变量满足某种相依结构.在增量的共同分布F属于控制变换分布族的条件下,我们得到了随机加权和及其最大值尾概率的弱渐近等价估计.特别地,当F属于一致变换分布族时,得到了渐近等价估计.最后,我们将该结果应用于破产概率的渐近估计.     

平面曲线上奇异点的性态

本文讨论了平面曲线x=x(t),y=y(t)上奇异点的性态,由此得出若[x~(k)(t_0)]~2+[y~(k)(t_0)]~2=0,k=1,2,…,n-1,而[x~(n)(t_0)]~2+[y~(n)(t_0)]~2≠0,则当n 是奇数时,曲线在点M_0(x_0,y_0)是光滑的,当n 是偶数时,点M_0(x_0,y_0)是曲线上尖点这一结论。     

二元向量分叉连分式插值的矩阵算法

1 引言 设R~2中的点集Ⅱ~(n,m)由下表给出 (x_0,y_0)(x_0,y_1)…(x_0,y_m) (x_1,y_0)(x_1,y_1)…(x_1,y_m) (1.1) (x_n,y_0)(x_n,y_1)… (x_n,y_m)称Ⅱ~(n,m)为矩形网格.对Ⅱ~(n,m)中的每个点(x_i,y_i)给定d维插值向量v_(ij)并将其按上述方式排成向量网格且用中V~(n,m)记之. d维复向量V的Samelson逆定义为     

一个对称不等式的证明及其加强

文[1]提出并证明了一个形式优美的不等式,即 定理.设x_i,y_i≥0,t=1,2,…,n,x_i,y_i均不全为零,则E_r(x+y)/E_(r-1)(x+y)≥(E_r(x)/E_(r-1)(x)+(E_r(y))/E_(r-1)(y))。这里,E_r(x),E_r(y)分别为x_1,x_2,…,x_n和y_1,y_2,…,y_n所构成的r次基本对称函数。 本文首先给出上述不等式的一个初等证明,然后给出并证明该不等式的两个加强。     

混合回归模型误差方差M估计的弱收敛性

考虑混合回归模型 y_i=x_i~Tβ+σε_i,(1)其中x_i~T=(y_(i-1),…,y_(i-p),z_(i1),…,z_(ik)),{ε_i}为i.i.d.残差序列,Eε1=0,Eε_1~2=1,而β=(β_1,…,β_p,β_(p+1),…,β_(p+k))~T与σ>0为未知参数,并且φ(B)=1-β_1B-…-β_pB~p=0的根全在单位圆外. 本文拟在文[1]的基础上定义模型(1)误差方差σ的M估计,并证明其弱收敛性. 设X(x)为某个可测函数,β为(1)中回归参数β的某个相容估计,称方程     

三次保凸样条曲线的一种构造法

一、曲线的方程 给定平面点组p_i(x_i,y_i)(i=0,1,2,…,n),它们构成拆线p_0p_1p_2…p_n。考虑x_0相似文献   

关于至多一个变点模型的跳变度和坡变度估计向量的渐近分布

对至多一个变点模型其中c(1/n),…,(c(n/n)独立同分布,讨论了变点t_0处,跳变度(α_2-α_1)和坡变度(β_2-β_1)估计向量的渐近分布,且为二维正态分布.