线性模型中M估计的渐近性质

线性模型中Ｍ估计的渐近性质吴耀华（中国科学技术大学数学系，合肥２３００２６）ＡＳＹＭＰＴＯＴＩＣＢＥＨＡＶＩＯＲＯＦＭ－ＥＳＴＩＭＡＴＯＲＳＩＮＬＩＮＥＡＲＭＯＤＥＬＳ￥ＷｕＹＡＯＨＵＡ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，Ｕｎｉｖｅｒｓ...     

连续型单参数指数族参数的EB估计的渐近最优性及收敛速度

本文用一般的最近邻估计的方法研究了连续型单参数指数族参数的经验Bayes估计的渐近最优性,并对其收敛速度问题进行了讨论.     

E-Bayes估计渐近性质的证明

随着科学和技术的进步需要有效地改进产品可靠性的评估方法,相关文献提出了参数估计的一种新方法——E-Bayes估计法.对Pascal分布,在两个超参数情形给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了E-Bayes估计的两个渐近性质,但没有给出证明.给出了这两个渐近性质的证明.     

半参数回归模型的估计的渐近性质

考虑半参数回归模型ｙｉ＝ｘｉ＾１β＋ｇ（ｔｉ）＋ｅｉ,１≤ｉ≤ｎ;其中ｇ为Ｒ上未知函数,σ０＾２＝Ｄ（ｅ１）柴根象等在１９９５年给出了β的二阶段估计βｎ,本文基于β１建立了σ０＾２的估计量σｎ＾２,研究了误差方差估计σｎ＾２的渐近正态性和强相合性,并且得到了可直接用于统计推断的统计量及其分布。     

多参数离散指数族参数渐近最优的经验Bayes估计的收敛速度

本文构造了多参数离散指数族参数的渐近最优的经验Bayes（EB）估计,若记B_n（δ_n,G）为δn的全面Bayes风险,R_G最小Bayes风险,则在某些条件下c_1n~(-1）2成立,其中c_1,c_2为正的常数,     

指数族刻度参数EB估计的渐近最优性

依据经验Bayes(EB)估计的思想方法,研究在LINEX损失函数下指数族刻度参数的EB估计问题.在这种损失函数下,求得参数的Bayes估计,利用密度函数的核估计方法,构造了总体X的密度函数估计,从而得到参数的EB估计,证明了这种EB估计是渐近最优的,并获得了它的收敛速度,最后将这种方法推广到多参数情形,并举例、模拟说明了它的应用.     

一类线性系统噪声方差的估计

本文对目标作匀速或匀加速直线运动时未知噪声的方差提出了一种新的估计方法。并把问题推广到动态噪声W(k)与测量噪声V(k)相关,以及V(k)为有色噪声两种情形,同时还考虑了W(k)、V(k)为时变噪声时的处理方法。与以往方法相比,此法简单、直观、易于在线实现。仿真结果表明是有效的。     

带跳的非线性随机微分方程的Lyapunov指数的估计

本文研究了带跳的非线性随机微分方程Lyapunov指数的估计,在适当的条件下,确定其Lyapunov指数q的值．对于给定的步长h,考虑此微分系统的Euler离散化模型,给出了的理论误差估计.     

半参数回归模型中二阶段估计的渐近性质

给定半参数回归模型Y＝X′β g(T) e,其中β∈R^p是未知参数向量,g(t)是定义在[0,1]上的未知函数,e是随机误差,本文研究了β,,g(t)和σ2的估计量βn,gn(t)和σn^2,在适当的条件下证明了它们的渐近正态性,并给出了gn(t)的最优收敛速度。     

Marcinkiewicz 空间中带可变指数的熵解的先验估计

本文研究p(x)-Laplace方程的退化形式的带可变指数的Dirichlet问题,得到了Marcinkiewicz空间中带可变指数的熵解的先验估计.     

白噪声下调频信号的参数估计

设有随机过程X_T={X(t):0≤t≤T}满足如下方程X(t)=∫_o~t sin θ3 d3+W(t) 0≤t≤T(1)其中W_T={W(t):θ≤t≤T}是标准维纳过程.本文讨论了均值信号3(θ,t)=∫_o~t sin θ3d3中频率参数θ的ML估计问题.在无界参数空间中得到了其估计的强相容性,渐近正态性和a.s.收敛速度.     

逆自相关函数估计的渐近性质

逆自相关函数估计的渐近性质陈敏，常学将（山西大学数学系，太原０３０００６）ＴＨＥＡＳＹＭＰＴＯＴＩＣＰＲＯＰＥＲＴＩＥＳＯＦＴＨＥＥＳＴＩＭＡＴＩＯＮＯＦＴＨＥＩＮＶＥＲＳＥＣＯＲＲＥＬＡＴＩＯＮＦＵＮＣＴＩＯＮ￥ＣＨＥＮＭＩＮ；ＣＨＡＮＧＸＵＥＪＩ...     

指数族非线性模型最大似然估计的相合性和渐近正态性

本文我们提出了一些正则条件, 这些条件减弱了Zhu and Wei (1997)文中的条件. 基于所提的正则条件, 我们证明了指数族非线性模型参数最大似然估计的相合性和渐近正态性. 我们的结果可被认为是Zhu and Wei (1997)工作的进一步改进.     

部分线性变系数模型Backfitting估计的渐近性质

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用广泛的数据分析模型.利用Backfitting方法拟合这类特殊的可加模型,可得到模型中常值系数估计量的精确解析表达式,该估计量被证明是n~(1/2)相合的.最后通过数值模拟考察了所提估计方法的有效性.     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.     

可加模型低维分量估计平均偏差的指数界

设(X,Z,y),(X1,Z1,Y1),…,(Xn,Zn,Yn)为取值于Rp×Rq×R中的I.I.d.随机向量,E|Y|<∞,Y关于(X,Z)的回归函数m(x,z)△E(Y|(X,Z)＝(x,z))具有可加结构:m(x,z)＝m1(x)+m2(z).为估计可加分量,采用Linton&Nielsen(1995)提出的直接估计法,给出了可加分量的最近邻估计和核估计.在较弱的条件下,建立了可加分量最近邻估计和核估计的平均偏差的指数界.     

纵向数据变系数回归模型小波估计的渐近性质

考虑纵向数据下的变系数回归模型y_(ij)=x_(ij)~Tθ(t_(ij))+e_(ij)i=1,2,…,n j=1,2,…,m.利用小波光滑和加权最小二乘方法,分别研究了模型中未知参数θ(·)的小波估计θ(·)和误差方差σ~2的小波估计σ~2,在适当的条件下,证明了θ的强相合性,强相合速度,并得到θ和σ~2的渐近正态性.     

双线性时间序列矩估计的渐近性态

双线性时间序列矩估计的渐近性态范金城，李金玉（西安交通大学应用数学系，西安７１００４９）双线性模型是一种重要的非线性时间序列模型，其一般形式是式中｛ｅｔ，ｔ＝０、±１，±２，…｝是ｉ．ｉ．ｄ．序列，且ｃ０＝１．对时间序列｛Ｘｔ，ｔ＝０，±１，±２，…...     

ACD模型自加权LAD估计的渐近性质

针对高频数据建模中常用的自回归条件持续期(ACD)模型,在允许误差方差无穷的条件下,构造模型参数的自加权最小一乘(SLAD)估计,并证明了该估计的相合性和渐近正态性.数值模拟显示SLAD估计比拟极大似然估计和最小一乘估计更稳健,最后将其应用于青岛海尔和宝信软件这两只股票的价格持续期建模.     

一类非参数回归模型核估计的渐近性质

研究一类新的非参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归方程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为m(.)和ρ(.),在适当的条件下,证明了估计量m(.)和ρ(.)的渐近正态性.