回归函数的混合型递归核估计的强相合性

本文讨论了把最小二乘估计和一类递归核估计结合起来所得回归函数的混合型递归核估计的强相合性.     

回归函数估计的强一致相合性

设(X,y)为R~d×R上的随机向量,(X,y),X的密度分别为g,f,y关于X的回归函数为r(t)=E(Y|X=t)=(m(t))/(f(t)), 设{(X_n,Y_n)}为φ混合的,存在整数列{n_T},l≤n_T≤T,(T_φ(n_T))/n_T≤A<∞,     

回归函数改良核估计的相合性

一、引言及若干引理设(X_1,Y_1),…,(X_n,Y_n)为(X,Y)的前 n 个样本,(X,Y)为 R~d×R 上的随机向量,μ为 X 的概率分布,回归函数 m(x)=E(Y|X=x)的核估计为     

回归函数改良核估计的强相合性及收敛速度

令(X,Y),(X_1,Y_1),…,(x_n,Y_n)为R~p×R~1上一串i.i.d。随机向量,且E(|Y|)<∞。研究如何利用(X_1,Y_1),…,(X_n,Y_n)观察的结果估计回归函数 m(x)=E(Y|X=x),称为非参数回归函数估计问题。Watson和Nadaraya首先建议用核估计     

强混合样本回归函数估计的强相合性

本文基于强混合样本，给出回归函数核估计的强相合性，全面地改进了胡舒合（１９９５）所得的相应的初步结果。     

NA样本回归函数估计的强相合性

在ＮＡ相依样本下研究非参数回归函数加权核估计的相合性,获得了一些较弱的充分条件,与此同时对ＮＡ序列给出一个简洁实用的Ｂｅｒｎｓｔｅｉｎ型不等式。     

非参数回归核估计的强相合性

一、引言 设(X,Y),(X_1,Y_1),…,(X_n,Y_n)为取值R~d×R的i.i.d变量,以F记X的分布,Y对X的回归函数为m(x)=E(Y|X=x)。(1)最近,一些作者讨论了回归函数的估计问题。一类非参数核估计定义为     

随机删失场合回归函数的核估计及强相合性

回归函数的非参数估计及相合性问题曾经受到国内外学者的很大关注,但其中大多数都是基于完全样本来讨论的.如设(X_1,Y_1),…,(X_n,Y_n)是从 R~d×R 上的随机向量(X,Y)中抽取的 i.i.d.样本,陈希孺考虑了回归函数 m(x)=E(Y/X=x)的形如 m_n(x)=(?)W_(nj)(x)Y_i(其中 W_(nj)(x)为权函数)的非参数估计,并在适当条件下证     

分布自由的回归函数核估计的相合性

在合适条件下，我们获得了基于完全和截尾数据回归函数核估计的逐步相合性，所获的结果对于所有Ｘ的分布μ均成立，因此是分布自由的。     

回归函数非线性小波估计的一致强相合性

设（Ｘ_１,Ｘ_１）,…,（Ｘ_ｎ,Ｙ_ｎ）是从总体（Ｘ,Ｙ）中抽取的ｉ．ｉ．ｄ样本且服从［０,１］上的均匀分布．本文在平方积分损失下得到了回归函数ｇ（ｘ）＝Ｅ（Ｙ｜Ｘ＝ｘ）的非线性小波估计的一致相合性．     

基于伴随次序统计量的回归函数核估计的强相合性

本文基于二维随机样本 {(Xi,Yi) ,i≥ 1 }的伴随次序统计量Y[r,n] ,定义了回归函数的核估计 ,在一定条件下 ,获得了回归函数核估计的强相合性 ,推广了已有文献中的部分结果 .     

截尾数据非参数回归函数加权核估计的强相合性

本文对截尾数据其随机误差分别为独立与ψ－混合两种情形得到了非参数回归函数加权核估计的强相合性。     

二类跳跃回归函数的强相合估计

本文将研究二类跳跃回归函数的估计问题。对于跳跃点个数已知、跳跃点位置未知、跃度已知或未知这二类跳跃回归函数,本文提出了核差估计的思想,并在较弱的条件下证明了该估计是a.s.和L~2相合的。本文的核差估计适合于多个跳跃点存在的情形,它与已有的跳跃回归函数的一些估计方法相比,具有思想直观、统计性质好、估计方法灵活等特点。     

分布自由的回归函数近邻核估计的相合性

本文获得了基于混合，α－混合样本的回归函数核估计，随机窗宽核估计，近邻核估计的强相合性，积分绝对误差的强相合性与平均相合性，所得结果对所有ｘ的分布μ均成立，其中核函数的支撑可以无界，甚至可以是不可积的。     

非参数回归函数最近邻估计的强相合性

设(X,Y),(X₁,Y₁),…,(X_n,Y_n)为取值R^d×R的独立同分布随机向量,E|Y|<∞。设m_n(x)为m(x)=E(Y|X=x)的最近邻估计。本文在E|Y|^r<∞(对某个r>1)或E{exp(t|Y|^λ)}<∞(对某个λ>0及t>0)的条件下,建立了m_n(x)的强相合性。其它附加条件均与(X,Y)的分布无关。     

回归函数递旧核估计相合的充要条件

对α-混合,φ-混合样本,本文给出回归函数递归核估计m_a(x)弱、强相合的充要条件.在E|Y|~(1+δ)<∞,δ>0,sum from n=1 to ∞(φ~1 ~2(n))<∞时.得出m_n(x)的强、弱相合是等价的.另外,还给出核估计m_n(x)弱相合的充分条件。     

回归函数的相合随机窗宽核估计

令(X,Y)为取值于 R~d×R 的随机向量,(X_1,Y_1),……,(X_n,Y_n)为抽自(X,Y)的分布的 iid.样本,m(x)(?)E(Y|X=x)称为 Y 对 X 的回归函数.1964年,Watson和 Nadaraya 首先提出用     

一类分布自由的回归函数递归核估计的相合性

本文讨论一种回归函数核估计的相合性,所得结果对所有ｘ的分布μ均成立。因此,分布是自由的。