位置参数变点估计的强收敛速度

对至多一个变点的位置参数变点模型,文中在运用滑窗方法给出了检测变点存在性的U-统计量基础上,进一步研究了变点估计量的强相合性和强收敛速度.     

斜率变点估计的强收敛速度

对至多只有一个斜率变点的模型,在误差分布为非正态时,本文利用滑窗方法给出了变点估计的强、弱相合性和强、弱收敛速度,同对在局部对立假设下研究了变点估计的O_p收敛速度.     

跳跃度变点模型变点估计的收敛速度

对至多只有一个跳跃度变点τ[0的模型Xi=α+θI{[nτ0]＜i≤n}+εi,其中εi独立同分布,i=1,…,n.利用滑窗方法给出了强、弱相合性以及强、弱收敛速度,并进一步研究了在局部对立条件下变点估计的OP收敛速度.     

局部对立条件下斜率变点估计的收敛速度

对至多只有一个斜率变点的模型,在误差分布为非正态时,本文利用滑窗方法研究了局部对立假设下变点估计的相合性和收敛速度问题,同时给出了部分模拟结果.     

至多一个变点的Γ分布的统计推断及在金融中的应用

对至多一个变点的Γ分布,即X1,X2…,Xn为一列相互独立的随机变量序列,且X1,X2,…,X[n(τ)0]i.i.d～Γ(x;ν1,λ1),X[n(τ)τ0]+1,X[n(τ)0]+2,…,Xn i.i.d～Γ(x;ν2,λ2),其中(τ)0未知,称(τ)0为该序列的变点.在利用第一型极值分布逼近文中提出统计量的分布的基础上,给出了变点(τ)0估计(τ)的相合性及强弱收敛速度.最后给出了在金融序列上的应用.     

至多一个变点的$\Gamma$分布的统计推断及在金融中的应用

对至多一个变点的Γ分布,即X1,X2…,Xn为一列相互独立的随机变量序列,且X1,X2,…,X[nΥ0]i．i．d～Γ(x;ν1,λ1),X[nΥ0] 1,X[nΥ0] 2,…,Xn i．i．d～Γ(x;ν2,λ2),其中Υ0未知,称Υ0为该序列的变点．在利用第一型极值分布逼近文中提出统计量的分布的基础上,给出了变点Υ0估计(?)的相合性及强弱收敛速度．最后给出了在金融序列上的应用．     

稳定样本过程的非参数小波估计

本文中我们采用小波方法估计了一列基于Ф混合平稳过程的v-稳定样本的公共密度函数。     

稳定分布的参数估计

由于金融数据经常具有“高峰厚尾”现象，所以用稳定分布去拟合，但由于稳定分布没有密度函数显式，而且可能一阶矩或二阶矩又不存在，因此稳定分布的参数估计问题用经典方法很难处理，本文利用类拟Duffie和Singleton(1993)的模拟矩法（SMM）的想法，构造了一种新的参数估计方法，并得到该估计的强相合性结果，最后举了一个实际的例子，分析了深圳成分指数的情况。     

单参数Pareto分布变点估计研究

研究单参数Pareto分布存在变点时的估计问题,分别利用极大似然估计法和贝叶斯方法对单参数Pareto分布的变点进行估计,并运用Matlab软件进行随机模拟,随机结果表明贝叶斯方法与极大似然估计相比,估计值更接近真值.     

跳跃度变点估计的Op收敛速度

对至多只有一个跳跃度变点T0的变点模型Xi=a+θI{[nT0]＜i≤n+εi,i=1,2,…,n,假定{εi,i=1,2,…,n}是均值为0、方差有限的独立同分布误差序列,其中T0未知,称之为变点.在利用滑窗方法给出变点估计的基础上,进一步研究了局部对立假设条件下变点估计(T)的OP收敛速度.     

独立样本最近邻密度估计的强相合速度

设X，X2，…,Xn是独立同分布样本，具有共同的密度函数f(x),在f(x)满足适当的条件下给出最近邻密度估计的强相合收敛速度，其速度可达到O（n^-1/3(olgn)^1/3。     

混合误差半参数回归模型估计的强相合性

对半参数模型y（n）i＝β（n）xi＋g（t（n）i）＋ε（n）i，i＝1，2，…，n，综合运用最小二来法和非参数估计法，定义了β，g的估计量　，gn，在误差为某些混合序列下，得到了，gn（t）的强相合性及gn（t）的一致强相合性．     

一类线性errors—in—variables模型的参数强相合估计及其a.…

本文讨论了如下一类线性Ｅｅｒｒｏｒｓ－ｉｎ－ｖａｒｉａｂｌｅｓ模型－多元线性结构关系模型。     

一种半参数密度估计的强相合性

§1.引言 实际问题中,我们常常假设被观察到的数据是从一个理想化的模型中产生出来的(比如是参数模型)。然而,由于度量误差和其它的随机影响,则在确定这些数据是否真是从理想化模型中产生出来时,就存在着不确定性。 现在考虑密度估计问题。     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型y=μ(x'β0)+e中形如∑xi(yi-μ(xiβ))=0的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型g=μ(x'β0)+e中形如的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

固定设计下半参数回归模型估计的相合性

对于固定设计下的半参数模型yi=x1β g(ti)┬ei=1，2……，n本文综合最小二乘法和一般的非参数权估计方法，定义了β，g的估计量-βn，-gn及误差方差口α^2=Ee^21的估计量-α^2n，并在适当条件下，证明了它们的强相合性与P(≥2)阶平均相合性．     

NA误差下半参数回归模型估计的相合性

对半参数回归模型:Y(xin,tin)=tinb+g(xin)+e(xin),1≤j≤m,1≤i≤n,本文在NA相依样本下讨论了g的加权估计及b的最小二乘估计的强相合性与r(>2)阶平均相合性,使得文献犤2犦在独立样本下的相应结果得到推广     

$\alpha$混合下非参数回归函数改良分割估计的强相合性及收敛速度

本文研究了在样本$(X_1,Y_1),(X_2,Y_2),\ldots,(X_n,Y_n)$ 为取值于$R^{d}\times R^{1}$的同分布的$\alpha$混合序列时,回归函数改良分割估计的强相合性和收敛速度.     

混合误差下半参数回归模型小波估计的强相合性

研究了一类半参数回归模型,利用最小二乘法和小波估计法给出了未知参数β和未知函数g(.)的估计.在误差序列为ψ-混合或φ-混合下得到了^β的强相合性,给出了^g(.)的一致强相合性和r阶矩相合性.