关于回归函数核估计的叠对数律

讨论了非参数回归函数的核估计，用核估计误差分解方法，较弱条件下，到了回归函数核估计的叠对数值。     

方向数据密度核估计的对数律

设X为取值于k维单位球面上的单位随机向量,具有概率密度函数f(x),X_1,…,X_n为X的n个i.i.d.的观察,讨论f(x)具有形式的核估计,其中K为定义于[0,+∞]上的非负核函数,ω_k为Ω_k上的Lebesque测度,本文建立了fn(x)的对数律,并给出了fn(x)的一致强相合速度。     

并行多分裂迭代收敛速率的估计

本文给出了并多分裂迭代（PMI）收敛速度的一个估计式,利用此估计式可以简化和统一PMI方法的收敛性证明。     

随机截尾情形下正态分布参数的最大似然估计

设x1,…,xn,y1,…,yn是相互独立的随机变量,其中x1,…,xn服从相同的正态分布N(μ,σ2)或对数正态分布LN(μ,σ2),参数(μ,σ2)未知.我们的观测数据为(ti,δi), i=1,…,n,其中ti=min(xi,yi),δi=I(xi≤yi),这里I(·)为示性函数.基于上述数据,本文的主要结果是论证了(μ,σ2)的最大似然估计(MLE)存在的充要条件是下列条件至少一条满足:(1)有ti＜tj使δi=δj=1;(2)有ti＜tj使δi=1,δj=0.此外,我们还给出了MLE的计算方法和一些算例.     

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。     

变换核估计在未知需求分布函数条件下多阶段库存控制策略中的应用研究

传统的多阶段库存控制主要致力于库存持有以及过多库存的经济性研究.随机库存模型经常假定需求分布已知,这样可以产生容易解决的方案.但随着销售信息的不断更新,需求分布函数的参数常常未知.这样传统的多阶段库存模型很难产生最优的库存控制策略.当前文献对未知需求分布函数条件下的多阶段库存管理问题研究得不多,当需求分布函数随时间变化,是个多阶段随机规划问题,通常情况难以直接进行求解.针对一般非平稳需求,还缺少有效的库存管理方法.本文致力于变换核估计和优化理论相结合的方法研究未知需求分布函数条件下多阶段库存控制策略,提供一条多阶段库存控制的新思路.可以很好地确定各阶段的最优订货点、最高库存、最低库存等来达到整个系统的最优,从而节省更多的成本,达到营运资本的永久性减少、更高的销售量和客户满意度,从而增加企业的竞争力.     

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...     

方向数据密度函数核估计的重对数律

本文讨论方向数据密度函数核估计的逐点收敛速度问题,在较为温和的条件下建立了该核估计的重对数律并给出了它的逐点最优收敛速度.     

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．     

一种改进的密度核估计算法

密度核估计是解决统计问题中样本分布密度函数拟合的一类非参数统计方法,在经济、金融等领域有着重要的应用价值.密度核估计重点在于研究它的算法,使其估计值相对精确.本文提出了一种密度核估计的迭代方法,并通过算例与原有的密度核估计方法进行统计模拟比较,得出迭代后的值具有较好的拟合程度,充分验证了迭代方法的可行性与优越性.     

回归函数核估计的收敛速度

本文在P≥1的条件下,给出了回归函数m(x)的核估计m_n(x)的若干种p阶平均收敛速度,改进并推广了文献[1]及[2]中的若干结果。     

再生核与小波变换

在再生核基本理论的基础上,介绍了再生核在小波变换中的作用,并且根据连续小波变换像空间是再生核Hilbert空间这一基本事实,借助再生核理论的特殊技巧,建立了Littlewood-Paley和Haar小波变换像空间的再生核函数与已知再生核空间的再生核的关系,为小波变换像空间的进一步研究提供理论基础.     

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。     

密度核估计的随机加权法

利用随机加权法的思想,找出概率密度函数估计的随机加权统计量,在适当的条件下证明随机加权分布逼近核估计误差分布的精度为     

用再生核表示小波变换

本文研究了调制高斯函数的小波变换．利用再生核函数的特殊技巧，得到了该小波变换的等距恒等式和像空间的结构，同时给出了该小波变换的采样定理．使得小波变换能用再生核函数表示．这为一般的小波变换的像空间的研究提供了理论基础．     

概率密度函数核估计的Bootstrap逼近

主要研究了密度函数核估计逼近的速度,用Bootstrap方法对核密度进行估计,在适当的条件下,进一步提高了密度核估计Bootstrap逼近的速度,所得到的结果使得密度核估计Bootstrap逼近的速度与密度函数及其导数之间的关系更加的明确.     

正态分布标准差区间估计的改进

本文给出一类正态分布标准差的区间估计.这些估计优于[1]中的结果.     

变系数EV模型基于核估计的误差方差估计

在利用核函数法和广义最小二乘法讨论变系数EV模型系数参数估计的基础上给出了其误差方差σ2的一种估计量(σ)2n,证明了所定义的估计量(σ)2n有很好的大样本性质.     

平稳过程条件密度的双重核估计

本文在样本序列为平稳、φ-混合情形下研究了赵林城和刘志军提出的条件密度f(y|x)的双重核估计fn(y|x)的逐点强相合性和渐近正态性。我们对混合系数φ的限制是很弱的。