关于U-统计量最大值完全收敛的进一步讨论

本文讨论了Ｕ－统计量最大值完全收敛的充分条件，拓宽了周元■及拙文［１］中核函数的范围，降低了矩的阶数，更确切合理地阐明了Ｕ－统计量最大值与熟知的独立和最大值的完全收敛之间的内在系与区别。     

U-统计量的精致渐近性

设{X_n．n≥1}是一非退化的i．i．d．随机变量序列,U_n是以二维Borel可测对称函数h(x,y)为核函数的U-统计量．记U_n=2/(n(n-1))Σ_≤i≤j≤nh(X_i,X_j)．本文分别在核函数h(x,y)只有4/3阶矩或4/3+δ,0＜δ≤1的情况下,对非常广泛的一类权函数(x)与边界函数b(x)得到了如下关于U-统计量U_n的精致渐近性:不仅使得已有的结果成为我们的特况,还大大降低了其中的矩条件．     

学生化U-统计量的中心极限定理

在β（１＜β３／２）阶矩存在的条件下，我们证明了学生化Ｕ 统计量服从中心极限定理．     

关于U-统计量的非一致性收敛速度

研究了高阶矩条件下,U-统计量的非一致性收敛速度,给出了一系列平行于独立和的理想结果.     

基于Stein方法的均衡分布的Berry-Esseen界

受Shao和Su(2006)的启发,获得了均衡分布的Berry-Esseen界,定理的证明基于Stein方法.     

U-统计量的几乎处处中心极限定理

本文得到了U-统计量的几乎处处中心极限定理(ASCLT).在EX1=0,EX21=1下,Berkes等[7]在一定条件下获得了i.i.d.随机变量序列部分和的函数型ASCLT,本文在同样的条件下取得了类似的结果.     

由一段样本产生的U-统计量的强极限定理

本文提出了一类不完全统计量,它们是由一段相继观察值产生的,并且研究了由这类观察值产生的 Ｕ－统计量的强极限定理．     

由一段样本产生的U-统计量的强极限定理

本文提出了一类不完全统计量,它们是由一段相继观察值产生的,并且研究了由这类观察值产生的U-统计量的强极限定理.     

两样本秩次统计量的几乎处处界

设 X_1,…,X_n i.i.d.X_1～F_Y_1,…,Y_n,i.i.d.Y_1～G,这里 F 和 G 是两个一维连续分布函数.以 R_i 记 X_i 在合并样本(X_1,…,X_m,Y_1,…,Y_n)中的秩,且设φ(μ)定义于(0,1),φ_N(n)定义于1/(N 1),…,N/(N 1).本文给出了如下结果:在φ(x)与φx(x)满足一定条件下其中     

U-统计量对数律的精确渐近性

设{X_n, n ≥1}是独立同分布随机变量序列, U_n 是以对称函数(x, y) 为核函数的U -统计量. 记U_n =2/n(n-1)∑_{1≤i h(Xi, Xj), h1(x) =Eh(x, X2). 在一定条件下, 建立了∑n=2^∞(logn)^δ-1EUn²I {I U n |≥n ^1/2√lognε}及∑n=3^∞(loglognε)^δ-1/logn EUn² I {|U n|≥n^1/2√log lognε} 的精确收敛速度.}     

U-统计量的一些强极限定理的精确渐近性

设{Xn;n≥1}是一列i.i.d.随机变量序列,Un是以对称函数h(x,y)为核函数的U-统计量.记Un=2n(n-1) 1≤i相似文献   

k-U统计量的渐进正态性

称 为k-U统计量,其中g(x1,…,xm)是一对称函数,k为小于等于n的自然数,k可能依赖于n.这一表达形式是一类统计量,在k=n时, Unm,n就是U-统计量.本文证明了Unm,k的渐进正态性.     

半参数回归模型中误差方差估计的Berry-Esseen界

综合最小二乘法和局部线性光滑法给出了半参数回归模型中误差方差的估计量σ_n~2,在适当的条件下,证明了σ_n~2的Berry-Esseen界可达到O(n-1／2).     

强混合误差回归函数小波估计的Berry-Esseen界

设回归模型 Y_ni=g(t_ni)+ε_ni, i =1,…, n, 其中{t_ni} 为固定设计点列, g(?) 是定义在[0,1]上的未知函数, {ε_ni}为随机误差. 该文主要讨论了误差为强混合序列情形下, 回归函数g(?)小波估计的Berry-Esseen 界, 其界可达 O(n-^1/6).     

随机环境中带移民的上临界分枝过程的Berry-Esseen界

考虑独立同分布的随机环境中带移民的上临界分枝过程(Zn).应用(Zn)与随机环境中不带移民分枝过程的联系,以及与相应随机游动的联系,在一些适当的矩条件下,本文证明关于log Zn的中心极限定理的Berry-Esseen界.     

U-统计量的指数收敛速度的进一步讨论

在独立未必同分布的情形下，对U－统计量的指数收敛速度进行了讨论，减弱文[2]中的部分条件，给出了类似的结果，同时对Von-Mises统计量也给出了指数收敛速度。     

关于U-统计量完全收敛性

本文讨论了满足E[f(xi,yj)xi]=E[f(xi,yj)xj]=0的U－统计量最大值完全收敛性的充分条件,降低了王岳宝1996年论文中的矩条件,进一步对一般形式的多元函数的U－统计量最大值的完全收敛性的充分条件进行了讨论,得到了较理想的结果。     

有限总体U-统计量的Berry-Esseen界限

设AN为标有实数指标的N个球的一个总体,从中无放回地随机抽取n个球,其指标分别记为x₁,…,x_n.设φN(x,y)为关于x,y对称的二元Borel可测函数,记θ_N=E_φN(x₁,x₂),g(x₁)=E(φN(x₁,x₂)|x₁),σ_g²=Var(g(x₁)).本文证明了:若存在固定常数λ₁,λ₂,使0<λ₁≤n/NP_N≤λ_2<1,则存在仅与λ₁,λ₂有关的绝对常数C,使其中Φ(x)标准正态分布函数。     

关于U-统计量完全收敛性条件的探讨

本文给出了使得U-统计量完全收敛,亦即使得文中(6)式成立的充分条件,并从各个角度对这一条件的必要性进行了讨论,揭示了U-统计量与独立和在完全收敛性方面的不同性状,并在一定程度上反映了U-统计量在完全收敛性方面对核函数形式的强烈依赖性.     

线性模型误差方差学生氏估计的Berry-Esseen不等式

设σ2是线性模型中未知的误差方差,σ2n是σ2的基于残差平方和的学生氏估计.本文对σ-2n建立了理想的Berry-Esseen界.