L—统计量的随机加权逼近

本文用随机加权法构造了L—统计量的未知分布的逼近,我们讨论了这种随机加权逼近的相合性及逼近精确度。     

置信区间的随机加权估计

用随机加权法建立了分位点ｑ的置信区间，又用后向临界点导出了更实用的置信区间。导出的置信区间是非参数的且和原置信区间长度相同。     

随机加权法的强逼近及其应用

本文研究了由随机加权法产生的经验过程及分位点过程的强逼近。     

随机过程极大似然估计的强相合性

本文运用现代鞅论和随机积分作为工具来讨论随机过程参数估计的极大似然方法的强相合性,得到了一些充分条件。本文还推广了P. E. Caines 1975年对有限参数集合情形下的工作。     

随机加权U-过程的条件弱收敛

假定Ｆ是一个由函数组成的集合．在这篇文章中,我们研究了指标集Ｆ上２阶的随机加权Ｕ－过程的条件弱收敛性质,导出了Ｕ－过程的随机加权逼近．     

标准化样本均值分布的随机加权逼近—多维情形

本文考虑多维标准化样本均值分布的随机加权逼近,得到了O((?)~(-1/2))的最优精度,从而拓广了随机加权法的应用范围.     

最近邻回归估计的随机加权逼近

研究了一种最近邻回归估计的分布逼近问题，利用随机加权法，给出了最近邻回归估计误差的逼近分布及其逼近的精度，从而改进了文献「１」的结论。     

Baskakov算子加权逼近的收敛阶

本文讨论了Ｂａｓｋａｋｏｖ算子加Ｊａｃｏｂｉ权逼近的收敛性，首先指出了按通常的加权范数，Ｂａｓｋａｋｏｖ算子是无界的。然后引入一种新的范数，在此范数下Ｂａｓｋａｋｏｖ算子具有压缩性，最后借助于Ｋ－泛函，我们着重讨论了它的特征刻划问题。     

一个连续时间非平稳随机过程下的核密度估计的最优收敛速度

设{Xt,t≥0}为定义在R^d上的随机过程，它由模型Xt=zt Φ(Yt) εt确定，{Yt}和{εt}相互独立，而zt为非随机变量，对于连续观察的样本，本文给出了非参数密度核估计极其在均方意义下的最优收敛速度，并讨论了非随机项运动形式对此速度的影响。     

次序统计量线性函数的随机加权逼近速度

设ｘ１，ｘ２，…ｘｎ（连续未知），Ｆｎ为经验分布函数，Ｈｎ（ｘ）为随机加权经验分布函数，。ｘｎ１≤ｘｎ２≤…≤ｘｎｎ为次序统计量．记以Ｆｎ取代σ２（Ｊ，Ｆ）中的Ｆ即得σ２（Ｊ，Ｆｎ）．     

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．     

回归函数核估计的随机加权法

本文利用随机加权法的思想,构造了回归函数g(x)的核估计     

半参数回归模型中随机加权M估计的强逼近

用随机加权法给出了半参数回归模型中参数的随机加权M估计，在一般的条件下证明了用随机加权统计量的分布逼近原估计量误差的分布的强有效性，并给出了M估计的最优强收敛速度。     

半参数回归模型中小波估计的随机加权逼近速度

把小波光滑方法和随机加权方法结合在一起，获得了半参数回归模型中参数分量的小波估计的随机加权逼近速度为σ(n^-1/2)。因此，从大样本意义上说，小波光滑方法和随机加权方法对半参数回归模型是可用的。     

EDGEWORTH EXPANSION FOR NEAREST NEIGHBOR- KERNEL ESTIMATE AND RANDOM WEIGHTING APPROXIMATION OF CONDITIONAL DENSITY

§ 1　 IntroductionThere are many discussions on the estimate of density,for example,the kernel andnearest neighbor estimates.Reference [1 ] gave the nearest neighbor-kernel estimate ofconditional density.[2 ] discussed the properties on the nearest neighbor-kernel estimateand bootstrap approximation of conditional density.[3 ] studied some asymptotical proper-ties on kernel estimate and random weighting approximation of density.In this paper,wewill discuss the properties of the nearest neighb…     

随机截断下NA样本半参数回归模型中的相合估计

本文研究固定设计下的半参数回归模型在相应变量Yi因受到某种随机干扰而被右截断且截断分布已知时,利用所获的截断观察定义了参数β和回归函数g(·)的估计,并证明了它们均具有强相合性.     

隐Brown运动驱动的Poisson过程强度估计量的强相合性

针对金融、保险等领域研究中经常遇到的隐Brown运动驱动的Poisson过程模型,通过概率变换并利用鞅论方法等工具,证明了对模型中某些参数所提出的两类估计量的强相合性,用数值试验检验了它们的有效性.试验结果表明,文中所给两类估计方法均优于已有方法.