截断数据模型中的两阶段抽样序贯密度估计

令X_1,X_2,…是iid随机变量序列,满足分布F密度函数f.X_i被随机变量Y_i右截断,而Y_i是iid随机变量,且与X_t独立。我们仅能观察到样本 Z_i=min(X_i,Y_i),δ_i=I(X_i≤Y_i)估计量f_n和_n是基于KM估计量的f的核型估计,在本文中,我们基于f_n和_n分别构造f的两阶段抽样的序贯固定长度2d,渐近置信系数1-α。(0<α<1)的置信区间。并讨论了停时的渐近性质。     

END样本最近邻密度估计的强相合速度

本文研究了扩展负相依(END)样本最近邻密度估计的强相合性问题.利用END序列的Bernstein型不等式和截尾的方法,获得了END样本最近邻密度估计的强相合速度,推广了NA样本和ND样本最近邻密度估计的相应结果.     

独立样本最近邻密度估计的强相合速度

设X，X2，…,Xn是独立同分布样本，具有共同的密度函数f(x),在f(x)满足适当的条件下给出最近邻密度估计的强相合收敛速度，其速度可达到O（n^-1/3(olgn)^1/3。     

NSD样本最近邻密度估计的强相合性

本文研究负超可加相依样本的最近邻密度估计强相合性.利用负超可加相依序列的不等式与性质,获得最近邻密度估计的弱相合性、强相合性和一致强相合性.     

NA样本最近邻密度估计的相合性

在NA样本下研究最近邻密度估计的相合性，给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件．同时研究了失效率函数估计的一致强相合性     

α-混合随机序列最近邻密度估计的强相合收敛速度

设{Xi）i=1^∞是一维平稳序列，具有公共的未知密度f（x），在{Xi}i=1^∞是α-混合的条件下，给出了f（x）基于前礼个观测值{Xi}i=1^∞的最近邻密度估计的强相合收敛速度，当f（x）满足适当条件，收敛速度可达到0（n^-1/3（ln n）^4（1＋p）／3））．     

强混合样本下最近邻密度估计的渐近正态性

研究了α-混合样本下最近邻密度估计的渐近性质,证明了估计的渐近正态性并且给出了其渐近方差的显式表达式,由此构造了α-混合样本下概率密度的渐近置信区间.     

回归函数最近邻估计的重对数律

本文回答了孙东初在[7]中提出的问题,证明了回归函数最近邻估计m_n(x)的重对数律.     

最近邻回归估计的渐近正态性

本文研究了最近邻估计问题,在适当条件下证明了它的渐近正态性。     

截断样本下最近邻估计的强一致收敛速度

本文用最近邻方法寻找在截断样本下的密度估计,证明它的强收敛性并寻求其收敛速度。在某些截断情况下,本文找到的密度估计的收敛速度不仅达到了最佳并且改进了[4]中的收敛速度。     

最近邻回归估计的正态逼近速度

本文利用Berry－Esseen定理，在一定的条件下，得到了最近邻回归估计逼近于正态分布的速度．     

非参数回归函数最近邻估计LP收敛速度

本文拟给出非参数回归函数最近邻估计L_P收敛速度的一般性结果,同时把韦来生等的结果(见文[1])作为本文结果的一种特殊情形。本文的证明思路源于文[1]。 我们仔细研究了文[1]的证明过程,发现文[1]的主要定理(后称定理)的条件“m(x)适合阶为1的lipschitz条件”可减弱为“m(x)在(A为指标集,θ_j为R~d中的     

平稳序列最近邻密度估计的相合性

设{X_n}_(n=1)~∞ 是 R~d 中平稳过程,具有公共的未知密度 f(x).本文并不假定{X_n)_(n=1)~∞ 是独立的,考察基于前 n 个观察值{X_i}_(i=1)~n 的f(x)的最近邻估计.在过程{X_n}_(n=1)~∞ 是φ混合或强混合的情形下,得到了逐点相合性、一致相合性以及收敛速度.     

非参数回归函数最近邻估计误差分布的随机加权逼近

本文研究回归函数的最近邻估计的分布逼近问题．在一定条件下得到了最近邻回归估计误差的逼近分布,且逼近的精度比正态逼近精度更高．     

最近邻估计在任意紧集上一致强收敛速度

在这篇文章中,我们提出了最近邻估计在任意紧集上一致强收敛速度的概念,得到了一些较好的收敛速度.因此,最近邻估计的逐点强收敛速度问题是本文的特例,扩大了最近邻估计的应用范围.     

一种近邻密度估计的强收敛速度

本文讨论了俞军（１９８６）提出的一种近邻密度估计的逐点强收敛速度和一致强收敛速度．并证明了收敛速度的主阶部分不能达到．     

混合样本时密度估计的渐近正态性

对多元密度函数的最近邻估计和核估计,在样本为不混合的场合下,本文获得了它们的渐近正态性。     

左删失右截断数据的分位数的固定宽度序贯置信区间估计

基于左截断右删失数据下的乘积限估计构造了分位数固定宽度序贯置信区间及其估计，研究了序贯置信区间估计的渐近性质。作为副产品，获得了分位数估计近邻点的Bahadur表示定理。这个表示定理是推导分位数固定宽度序贯置信区间估计渐近性质的重要基础。同时，在文中，进行了一些计算机模拟试验，证明了左截断右删失数据下分位数估计的序贯方法是效的和精确的。