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。     

相依样本下条件密度双重核估计的强相合性

设（Ｘ１，Ｙ１），…，（Ｘｎ，Ｙｎ）是从取值于Ｒ＾ｐ×Ｒ＾ｑ的随机向量（Ｘ，Ｙ）中抽取的随机样本，在给定Ｘ＝ｘ的条件下Ｙ具有条件密度ｆ（ｙ│ｘ）。在本文中，我们考虑ｆ（ｙ│ｘ）的通常的和递归形式的双重核估计ｆｎ（ｙ│ｘ）＝ｎ∑ｉ＝１Ｋ１（Ｘｉ－ｘ／ａｎ）Ｋ２（Ｙｉ－６／ｂｎ）／〔ｂｎ＾ｑｎ∑ｊ＝１Ｋ１（Ｘｊ－ｘ／ａｎ）〕ｆｎ（ｙ│ｘ）＝ｎ∑ｉ－１Ｋ１（Ｘｉ－ｘ／ａｉ）Ｋ２（Ｙｉ－ｙ／ｂｉ）／ｎ∑ｊ     

相依样本下密度函数及其导函数的相合随机窗宽核估计

设（Ｘｎ）是Ｒ＾１中的平稳，强混合序列，具有公共的密度ｆ（ｘ），则可定义ｆ（ｘ）及其导函数ｆ＾（ｒ）（ｘ）的核估计与最近邻估计ｆ＾（ｒ）ｎ（ｘ）＝（ｎｈ＾ｒ＋１ｎ（ｘ））＾－１ｎ∑ｉ＝１Ｋ＾（ｒ）（Ｘｉ－Ｘ／ｈｎ（ｘ）），ｆｎ（ｘ）＝（ｎａｎ（ｘ））＾－１ｎ∑ｉ＝１Ｋ（Ｘｉ－ｘ／ａｎ（ｘ））其中核函数Ｋ（Ｘ）为取定的概率密度函数，且具有ｒ（ｒ≥０）阶导数，窗宽ｈｎ（ｘ）＝ｈｎ（ｘ；Ｘ１，．．．，Ｘ     

M-估计下误差密度核估计的相合性

线性模型Yi=x′iβ ei,i=1,2…，其中{ei}i^∞=1,i.i.d.,有未知密度f(x），本文讨论了在对β作一般M－估计后，基于残差做出的误差密度核估计的相合性，在比文献弱的条件下，证明了误差密度核估计的逐点弱相合，逐点强相合和一致强相合。     

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。     

相依样本下非参数回归函数递推型核估计的渐近分布

设（Ｘｉ，Ｙｉ）１≤ｉ≤ｎ为来自二元总体（Ｘ，Ｙ）的平稳，φ－混合样本，记ｍ（ｘ）△Ｅ（Ｙ│Ｘ＝ｘ），ｍ（ｘ）的一种递推型核估计为ｍｎ（ｘ）＝ｎ∑ｉ＝１ｈｉ＾－１Ｙｉｋ（（ｘ－Ｘｉ）／ｈｉ）／ｎ∑ｊ＝１ｈ＾－１ｊｋ（ｘ－Ｘｊ）／ｈｊ）。本文在一定的条件下证明了（ｎ／（ｎ∑ｊ＝１ｈ＾－１ｊ）＾１／２）（ｍｎ（ｘ１）－ｍ（ｘ１），ｍｎ（ｘ２）－ｍ（ｘ２），．．．ｍｎ（ｘｒ０）－ｍ（ｘｒ０））′依分布收     

光滑分布函数分位数估计的注记

文中通过光滑经验分布函数构造了分位数估计，建立该估计的Ｂａｈａｄｕ－强弱表示定理，并由Ｂａｈａｄｕｒ表示定理证明了该分估计估的重对数律和渐近正态性等深刻结果。     

密度泛函核估计的Bootstrap逼近

设Ｘ１，．．．，Ｘｎ是从分布密度函数为ｆ的总中抽取的ｉｉｄ样本，μ＝ＥＸ１本文研究了密度泛函θ＝ｆ（μ）的核型估计，ｆｎ（ｘ）为通常的Ｒｏｓｅｎｂｌａｔｔ－Ｐａｒｚｅｎ核估计。     

关于Devroye－Wagner核估计的一个注记

本文研究了Ｄｅｖｒｏｙｅ和Ｗａｇｎｅｒ提出的两个核估计的有偏性，并给出这两个核估计的Ｐａｒｚｅｎ－Ｒｏｓｅｎｂｌａｔｔ核估计有偏性的一个统一的证明．     

正态分布族的参数的经验Bayes估计的收敛速度

对于正态分布族｛Ｎ（μ，σ￣２）：－∞＜μ＜＋∞，σ￣２＞０｝，该文利用密度函数及其偏导数的核估计构造出参数θ＝（μ，σ￣２）的经验Ｂａｙｅｓ（ＥＢ）估计，并在一定条件下证明了θ的ＥＢ估计的收敛速度可任意接近于１．最后给出了一个实例．     

非参数回归函数估计的随机加权逼近

本文应用随机加权法的思想构造了回归函数的最近邻估计和核估计的随机加权统计量,并证明了用随机加权统计量的分布逼近两类估计量的分布之精度可达到ｏ（ｎ~（－１／２Ｐ）,其中１＜ｐ ≤ ２．     

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。     

α—混合序列和的强大数律及其应用

研究α－混合序列加权和的强大数律，并将这些结果应用于Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ．（１９７２）提出的非参数回归函数加权核估计，获得较理想结论。     

条件密度近邻－核估计的逼近速度

本文首先研究了条件密度函数近邻－核估计的误差分布的正态逼近精度,然后利用随机加权法构造了近邻－核估计的随机加权统计量,获得了随机加权逼近精度。     

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．     

截尾情形下随机窗宽核密度估计

本文研究了截尾情形下随机窗宽核密度估计.在关于随机窗宽的较弱的条件下,我们得到了精确的收敛速度及渐近分布.这些结果与 Diehl 和 Stute(1988)的关于非随机窗宽核密度估计的结果相一致.     

刻度指数族参数的经验Bayes检验问题:NA样本情形

本文利用同分布负相协（ＮＡ）样本情形概率密度函数的核估计构造了刻度指数族参数的经验Ｂａｙｅｓ（ＥＢ）检验函数,并获得了它的渐近最优（ａ．ｏ．）性。在适当的条件下证明了所提出的ＥＢ检验函数收敛速度可任意接近ｏ（ｎ＾－１２）。最后给出了一个有关本文主要结果的例子。     

密度核估计的样条光滑Bootstrap逼近

密度核估计的样条光滑Ｂｏｏｔｓｔｒａｐ逼近钱伟民（同济大学应用数学系，上海２０００９２）ＳＰＬＩＮＥＳＭＯＯＴＨＥＤＢＯＯＴＳＴＲＡＰＰＩＮＧＦＯＲＫＥＲＮＥＬＥＳＴＩＭＡＴＯＲ￥ＱＩＡＮＷＥＩＭＩＮＧ（ＤｅｐａｒｔｍｅｎｔｏｆＡｐｐｌｉｅｄＭａｔｈ...     

线性模型中回归参数的最佳逼近M－估计

本文首先提出了选取回归参数Ｍ－估计中函数ρ的一种新原则，然后利用ρ的最佳逼近函数定义了一种新估计－ＢＡＭＥ．并证明了其强相合性；讨论了其稳健性，较比通常的Ｍ－估计，ＢＡＭＥ有以下优点：（１）ρ的选取充分利用了误差的分布信息；（２）具有显式表达，其算法方便；（３）相合性的证明相当于ＬＳ－估计的复杂程度，比Ｍ－估计简单得多．     

ψ—混合误差下非参数回归函数加权核估计的相合性

本文在ψ－混合误差下讨论Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ．［１］提出的一类非参数回归函数加权核估计的相合性。在较弱的条件下证明了它的完全收敛性和强相合性。这些结论改进了现有的独立情形和相依情形的相应结论。