半参数回归模型非参数分量L1模估计的最优收敛速度

对半参数回归模型，采用分段多项式逼近非参数函数，构造了参数与非参数分量Ｌ１模糊估计，并获得了非参数分量Ｌ１模估计的最优估计收敛速度为Ｏｐ（ｎ＾－ｍ＋ｒ／［２（ｍ＋ｒ）＋１］）。     

非参数回归函数核估计的收敛速度

<正> §1.引言及记号设(Y,X),(Y_1,X_1),…,(Y_n,X_n)为 iid.(1+d)维随机向量,E(|Y|)<∞,m(x)=E(Y|X=x)为回归函数.Watson,Nadaraya 首先提出的基于样本(Y_1,X_1),…,(Y_n,X_n)的 m(x)的核估计为     

门限自回归模型参数最小二乘估计的强收敛速度

本文在给定门限自回归模型阶数、门限和延迟参数的情况下，证明了一般门限自回归模型参数和残差方差的最小二乘估计的强收敛速度为Ｏ（（ｌｏｇｌ９ｏｇｎ／ｎ）１／２），并证明了残差方差的最小二乘估计具有渐近正态性．     

非参数回归函数核估计的强收敛速度

本文给出回归函数m(x)=E(Y|X=x)满足λ(0<λ≤1)阶Lipschitz条件,且E|Y|~r<∞,r>1时,对m(x)的核估计有同时本文也改善了赵林城、方兆本(1985年)和孙东初(1985年)关于m_n(x)强相合于m(x)的结果。     

非参数回归函数核估计的Lp收敛速度

在p≥1和适当的条件下，给出了回归函数m(x)＝E（Y|X＝x）的核估计的若干种Lp收敛速度，改进并推广了韦来生（1984）的结果。     

污染数据线性回归模型的最小一乘估计

对于线性回归模型,在因变量受到另一与之独立的随机变量序列的污染时,基于最小一乘的方法给出模型参数的估计.在一定条件下,证明了估计量的相合性和渐近正态性,并使用模拟对估计方法的小样本性质进行了分析.模拟结果显示,本文所提方法在小样本情况下表现良好.     

半参数回归模型小波估计的弱收敛速度

本文研究了误差为鞅差序列情形下的半参数回归模型.利用小波方法,在相当一般的条件下,得到了参数、非参数估计量的弱收敛速度.     

关于非参数回归M－估计的最优收敛速度的一点记注

假设随机观测数据（Ｔ１，Ｙ１），…，（Ｔｎ，Ｙｎ）满足非参数回归模型Ｙｉ－ｇ０（Ｔｉ）＋ｕｉ，１≤ｉ≤ｎ。本文讨论非参数回归函数ｇ０的分段多项式Ｍ估计ｇｎ的最优收敛速度问题，其中ｇｎ满足为一ｍ阶分段多项式函数类，ρ是给定的一个函数，它不一定处处可微．在一定条件下，本文证明了上述稳健Ｍ估计达到非参数回归的最优收敛速度．     

污染数据回归分析中参数的最小一乘估计

考虑简单回归模型：ｙｉ＝ｘ′ｉβ＋ｅｉ,ｉ＝１,…,ｎ。其中Ｅｅｉ＝０,Ｅｅ＾２ｉ＝σ＾２１。假设ｙ１,ｙ２,…,ｙｎ受到另一独立同分布随机变量序列μ１,μ,…,μｎ的污染,我们仅能观察到污染数据ｙ＾＊ｉ＝（１－ν）ｙｉ,ν为未知的污染参数。本文用污染数据给出了β的最小一乘估计,并证明了它的渐近正态性和相合性。     

非参数回归函数最近邻估计的强收敛速度

<正> §1.引言 设(X,Y),(X_1,Y_1),…,(X_n,Y_n)为iid d×1维随机向量,E|Y|<∞.对x=(x~(1)),…,x~(d))∈R~d,取‖x‖为欧氏模或对固定的x∈R~d,将(X_1,Y_1),…,(X_n,Y_n)按照     

ON THE PROBLEM OF BEST CONVERGENCE RATES OF DENSITY ESTIMATES

Let X_1,…,X_n be iid samples drawn from an m-dimensional population with a probabilitydensity f,belonging to the family C_(ka),i.e.the family of all densities whose partialderivatives of order k are bounded by a.It is desired to estimate the value of f at somepredetermined point a,for example a=0.Farrell obtained some results concerning the bestpossible convergence rates for all estimator sequence,from which it follows,for example,thatthere exists no estimator sequence{γ_n(0)=γ_n(X_1,…,X_n,0)}such that(?)E_f[γ_n(0)-f(0)]~2=o(n~(-2k/(2k m))).This article pursues this problem further and proves that there existsno estimator sequence{γ_n(0)}such thatn~(-k/(2k m))(γ_n(0)-f(0))(?)0,for each f∈C_(ka),where(?)denotes convergence in probability.     

THE OPTIMAL RATE OF CONVERGENCE OF ERROR FOR kNN MEDIAN REGRESSION ESTIMATES

Let(X,Y),(X_1,Y_1),…,(X_n,Y_n)be iid.random vectors,where Y is one-dimensional.It is desired to estimate the conditional median(X)of Y,by use of Z_n={(X_i,Y_i),i=1,…,n}and X.Denote by(X,Z_n)the kNN estimate of(X),and putH_(nk)(Z_n)=E{|(X,Z_n)-(X)||Z_n},the conditional mean absolute error.This articalestablishes the optimal convergence rate of P(H_(nk_n)(Z_n)>ε),under fairly generalassumptions on(X,Y)and k_n,which tends to ∞ in some suitable way.     

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     

OPTIMAL GLOBAL RATES OF CONVERGENCE OF M－ESTIMATES FOR MULTIVARIATE NONPARAMETRIC REGRESSION

ＯＰＴＩＭＡＬＧＬＯＢＡＬＲＡＴＥＳＯＦＣＯＮＶＥＲＧＥＮＣＥＯＦＭ－ＥＳＴＩＭＡＴＥＳＦＯＲＭＵＬＴＩＶＡＲＩＡＴＥＮＯＮＰＡＲＡＭＥＴＲＩＣ　ＲＥＧＲＥＳＳＩＯＮＳＨＩＰＥＩＤＥ（施沛德）（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＳｃｉｅｎｃｅ，ｔｈ...     

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。     

基于函数型数据的系数正则化回归的收敛速度

本文研究了基于函数型输入和₁-正则化的最小二乘回归问题的推广性能.利用基于Rademacher平均的分析技术,获得了学习速度的估计,推广了已有的欧式空间有限维输入结果.     

一类混合过程的 Data-Based 密度估计的 L_1-模强相合性

设{X_n}是平稳、φ混合随机变量序列.X_1…,X_n 的未知概率密度为 f(x_1,…,X_n),且 f(x_1,…,X_n)是关于 x_1,…,x_n 对称的函数.记     

ON THE RATES OF CONVERGENCE IN THE CENTRAL LIMIT THEOREM FOR TWO－PARAMETER MARTINGALE DIFFERENCES

ＯＮＴＨＥＲＡＴＥＳＯＦＣＯＮＶＥＲＧＥＮＣＥＩＮＴＨＥＣＥＮＴＲＡＬＬＩＭＩＴＴＨＥＯＲＥＭＦＯＲＴＷＯ－ＰＡＲＡＭＥＴＥＲＭＡＲＴＩＮＧＡＬＥＤＩＦＦＥＲＥＮＣＥＳ￥（龙红卫）ＬｏｎｇＨｏｎｇｗｅｉ（ＩｎｓｔｉｔｕｔｅｏｆＭａｔｈｅｍａｔｉｃａｌ...     

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。