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。     

学生化Kaplan—Meier估计的正态逼近速度

设Ｆ（ｔ）是表示寿命的分布函数，Ｇ（ｔ）是表示删失的分布函数，Ｆ（ｔ）是Ｆ（ｔ）＝１－Ｆ（ｔ）的Ｋａｐｌａｎ－Ｍｅｉｅｒ估计。     

最近邻回归估计的正态逼近速度

本文利用Berry－Esseen定理，在一定的条件下，得到了最近邻回归估计逼近于正态分布的速度．     

非参数回归函数核估计的强收敛速度

本文给出回归函数m(x)=E(Y|X=x)满足λ(0<λ≤1)阶Lipschitz条件,且E|Y|~r<∞,r>1时,对m(x)的核估计有同时本文也改善了赵林城、方兆本(1985年)和孙东初(1985年)关于m_n(x)强相合于m(x)的结果。     

学生化Kaplan－Meier估计的正态逼近速度

设Ｆ（ｔ）是表示寿命的分布函数，Ｇ（ｔ）是表示删失的分布函数，Ｆ（ｔ）是Ｆ（ｔ）＝１—Ｆ（ｔ）的Ｋａｐｌａｎ－Ｍｅｉｅｒ估计．本文在Ｆ（ｔ），Ｇ（ｔ）均连续的条件下，证明了对任何取定的０＜ｔ＜ＴＨ，有其中ＴＨ＝ｉｎｆ｛ｔ：Ｈ（ｔ）＝０｝，Ｈ（ｔ）＝（１－Ｆ（ｔ））（１－Ｇ（ｔ）），渐近方差的刀切估计．     

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。     

相协样本分布函数光滑估计的正态逼近速度

在平稳相协样本下,讨论分布函数光滑估计的一致渐近正态性.在较合理的条件下给出了分布函数光滑估计的一致渐近正态性的收敛速度,这个速度几乎达到n~(-1/4).     

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．     

相依随机变量的密度函数的递归核估计的渐近正态性

设{X_n;n≥1}为同分布的ρ-混合序列,其未知密度,f(x)的递归核估计为: f_n(x)=1/n sum from j=1 to n h_j~(-1)K(x-X_j/h_j),本文在适当的条件下,讨论由f_n(x)所产生的随机元的有限维渐近正态性。     

非参数回归函数核估计的Lp收敛速度

在p≥1和适当的条件下，给出了回归函数m(x)＝E（Y|X＝x）的核估计的若干种Lp收敛速度，改进并推广了韦来生（1984）的结果。     

相依样本分布函数和回归函数核估计的强收敛性及其速度

本文讨论样本为φ-混合和α-混合时分布函数核估计的强相合性.在α-混合时讨论其收敛速度,我们的结果与i.i.d.情况相一致,从而改进了[2]中的结论。同时,本文还在ρ-混合下,讨论回归函数核估计的强收敛性及收敛速度,其结果接近于独立情形。     

截尾数据下非参数回归函数核估计的强收敛速度

本文考虑在右侧随机截尾模型下，非参数回归函数核估计的强收敛问题，在一组自然的条件下，得到了与完全样本情况相当的收敛速度。     

非参数回归函数估计的渐近正态性

本文研究了独立或相依样本时非参数回归函数的Ｎａｄａｒａｙａ-Ｗａｔｓｏｎ估计，在简洁合理的条件下，证明了估计量的渐近正态性．获得的结论可在时间序列分析中得到应用．     

半参数回归模型中小波估计的随机加权逼近速度

把小波光滑方法和随机加权方法结合在一起，获得了半参数回归模型中参数分量的小波估计的随机加权逼近速度为σ(n^-1/2)。因此，从大样本意义上说，小波光滑方法和随机加权方法对半参数回归模型是可用的。     

φ-混合下回归函数改良核估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R的总体(X,Y)中抽取的严平稳、φ-混合样本.回归函数m(x)=E(Y|X=x)改良的递归核估计定义为本文在适当的条件下,讨论了mn(2)(x)的渐近正态性.     

条件中位数的核估计及其Bootstrap逼近的收敛速度

本文进一步讨论了条件中位数的核估计及其Bootstrap逼近的有关收敛速度.     

截断样本下的强率函数和密度函数核估计的渐进正态性

本文用[1]发展的计数过程去研究截断样本下强率函数核估计的渐进正态性．在弱于[7]和[10]的条件下，得到了更一般的结果．接着我们将这种方法运用到密度函数核估计，在较弱的条件下，得到了截断样本下密度函数核估计的渐进正态性．     

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。     

非参数回归函数的κn近邻估计的渐近性质及其Bootstrap逼近

本文研究回归函数的κn-近邻估计的渐近性质,得到了回归函数的κn-近邻估计的渐近正态性和它的Bootstrap统计量的相合性.在高阶矩存在的条件下,我们证明了回归函数的κn-近邻估计的Bootstrap逼近比正态逼近更精确.