线性模型中M估计分布的随机加权方法逼近

在线性模型中,M估计的渐近分布通常都涉及到不易估计的未知误差分布的某些量,如果要估计渐近方差,就需对这些冗余参数进行估计.利用随机加权方法可以避免先对误差分布中的冗余参数进行估计.给出了当自变量是随机变量时,M估计分布的随机加权逼近,证明了M估计分布的随机加权逼近是一致相合的.当取不同的凸函数,样本大小和随机权时,进一步利用蒙特卡洛方法研究估计分布.研究表明随机权取泊松权时,不仅达到同样的效果而且可以减小计算量.     

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．     

删失回归模型的随机加权逼近

Raoand Zhao(1992)提出了一种用随机加权的方法去逼近线性回归模型中M-估计的渐近分布。之前，Fang and zhao(2002)把这种方法推广到设计阵是随机的删失回归模型．本文，我们把这个结果推广到设计阵是非随机的删失回归模型，并证明该随机加权方法的一些大样本性质。     

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。     

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。     

线性模型中随机加权自助法的大样本研究 *

讨论了逼近线性模型中M估计分布的随机加权自助法 ,在一般的条件下证明了这种方法的强有效性 .     

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。     

条件密度近邻—核估计的逼近速度

本文首先了条件密度函数近邻一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。     

线性模型M估计分布的Bootstrap逼近的强收敛

本文讨论标准线性模型M估计分布的随机加权逼近，建立了随机加权M估计的线性表示及Bootstrap强逼近，同时还得到了逼近的一致强收敛速度，其主要部分的阶在Berry－Esseen意义下已达最优．     

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.     

RANDOM WEIGHTING APPROXIMATION IN LINEAR REGRESSION MODELS

ＲＡＮＤＯＭＷＥＩＧＨＴＩＮＧＡＰＰＲＯＸＩＭＡＴＩＯＮＩＮＬＩＮＥＡＲＲＥＧＲＥＳＳＩＯＮＭＯＤＥＬＳＳＨＩＪＩＡＮ（ＤｅｐａｒｔｍｅｎｔｏｆＰｒｏｂａｂｉｌｉｔｙａｎｄＳｔａｔｉｓｔｉｃｓ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８...     

APPROXIMATION RATES OF ERROR DISTRIBUTION OF DOUBLE KERNEL ESTIMATES OF CONDITIONAL DENSITY

§ 1　IntroductionLet(X,Y) be a random vector taking values Rp×Rqand assume that with given X=x,f(y|x) is the conditional density of Y,the Borel-measurable function on(x,y) ,X has amarginal distribution function F(x) and a marginal density function f(x) .Let(X1 ,Y1 ) ,...,(Xn,Yn) be i.i.d.sample taking values in(X,Y) .A class of double kernel esti-mates of f(y|x) proposed by Zhao Linchang and Liu Zhijun[1 ] has the formfn(y|x) = ni=1K1Xi -xan K2Yi -ybn bqn nj=1K1Xj-xan ,(1 .1 )where…     

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     

L1-Norm Estimation and Random Weighting Method in a Semiparametric Model

In this paper, the L_1-norm estimators and the random weighted statistic for a semiparametric regression model are constructed, the strong convergence rates of estimators are obtain under certain conditions, the strong efficiency of the random weighting method is shown. A simulation study is conducted to compare the L_1-norm estimator with the least square estimator in term of approximate accuracy, and simulation results are given for comparison between the random weighting method and normal approximation method.     

条件密度双重核估计误差分布的逼近速度

In this paper, the normal approximation rate and the random weighting approximation rate of error distribution of the kernel estimator of conditional density function f(y!|x) are studied. The results may be used to construct the confidence interval of f(y|x).     

Choice of optimal trimming proportion by the random weighting method

In this paper, a strongly consistent estimation of the optimal trimming proportion in trimmed mean is found by the random weighting method. In addition, using the same method a strongly consistent estimation for the distribution of some adaptive estimator is also obtained.Supported by the NNSF of China and the Doctoral Foundation of the Institutions Higher Learning of China     

随机变量二次型的协方差在混合效应模型中的应用

本文提出方差分量ANOVA估计的一种改进方法, 证明了对于一般的方差分量模型, 只要方差分量的ANOVA估计存在就可以通过此方法给出其改进形式, 并且在均方误差意义下优于ANOVA估计. 特别地, 对于单向分类随机效应模型, Kelly和Mathew^[1]对ANOVA估计的改进就是我们提出的改进方法的特殊形式, 这也给出了此类改进估计在均方误差意义下优于ANOVA估计的另一种合理的解释. 同时, 本文又将此思想应用到对谱分解估计的改进上. 本文应用协方差的简单性质证明了对带有一个随机效应的方差分量模型, 当随机效应的协方差阵只有一个非零特征值时, 随机效应方差分量谱分解估计在均方误差意义下总是优于ANOVA估计. 本文最后将第三节的结论推广到广义谱分解估计下, 同时给出广义谱分解估计待定系数的一个合理的取值.     

相关数据密度函数的非线性小波估计

本文考虑了严平稳随机序列密度函数的非线性小波估计,证明了在Besov空间中,非线性小波估计可达到最优收敛速度.进一步讨论了自适应非线性小波估计,证明了自适非线性小波估计可达到次最优速度即和最优速度相差in n.     

Approximation to the distribution of the least squares estimators in two dimensional cosine models by randomly weighted bootstrap

Recently, Kundu and Gupta （Metrika, 48：83 C 97, 1998） established the asymptotic normality of the least squares estimators in the two dimensional cosine model. In this paper, we give the approximation to the general least squares estimators by using random weights which is called the Bayesian bootstrap or the random weighting method by Rubin （Annals of Statistics, 9：130 C 134, 1981） and Zheng （Acta Math. Appl. Sinica （in Chinese）, 10（2）： 247 C 253, 1987）. A simulation study shows that this approximation works very well.     

Statistical estimation in partial linear models with covariate data missing at random

In this paper, we consider the partial linear model with the covariables missing at random. A model calibration approach and a weighting approach are developed to define the estimators of the parametric and nonparametric parts in the partial linear model, respectively. It is shown that the estimators for the parametric part are asymptotically normal and the estimators of g(·) converge to g(·) with an optimal convergent rate. Also, a comparison between the proposed estimators and the complete case estimator is made. A simulation study is conducted to compare the finite sample behaviors of these estimators based on bias and standard error.