关于线性秩统计量的渐近下在态性及其收敛速度

本文讨论线性失统计量的渐近正诚性的条件及其收敛速度。     

关于线性秩统计量的渐近正态性及其收敛速度

本文讨论线性秩统计量的渐近正态性的条件及其收敛速度．推广了Hajek关于线性秩统计量收敛于正态分布的条件的重要定理，并得出了一个较易验证的充分条件．对于一般形式的计分函数，在一定条件下得出了相应线性秩统计量收敛于正态分布的速度．     

最近邻回归估计的渐近正态性

本文研究了最近邻估计问题,在适当条件下证明了它的渐近正态性。     

U—统计量渐近正态余项的收敛性

本文给出Σ↑∞↓ｎ＝１ｎ＾－１＋δ／２ｓｕｐ↓ｘ│Ｐ（ｕｎ／（ｎ－１）√ｎσｇ〈ｘ）－Φ（ｘ）│〈∞的一个充要条件，减弱文［１］中对核函数的矩的要求。     

一个半参数回归模型的渐近正态性

考虑半多数回归模型yi＝xiβ＋g（xi）＋εi，lin，这里xi是具有已知方差σ的独立同分布随机样本，εi是具有零均值和有限方基σ2的独立同分布随机误差．β，g和εi的分布密度是未知的．本文作者构造了一个具有更小渐近方差的β的一个渐近正态估计．     

系统辨识中LS估计的渐近正态性的注记

文献[1]中,我们用有关鞅的中心极限定理,证明了系统辨识中LS估计的渐近正态性。然而[1]中的条件是苛刻的。本文利用Mcleish的相依变量的中心极限定理改进了[1]的结果。     

时间序列和渐近正态性的一个结果

Brockwell和Davis在[1]中给出了时间序列和渐近正态性方面的一个结果，本文用不同的方法且在较弱的条件下，得到了同样的结论。     

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．     

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.     

NA随机变量的递归密度核估计的渐近正态性

设{Xn,n≥1}为同分布的NA样本序列，其未知概率密度函数为f(x),基于样本X1,…,Xn，用递归密度核估计fn(x)=1/n∑j=1 n 1/hj K(x-Xj/hj)对f(x)进行估计。本文研究了在一定条件下，fn(x)的渐近正态性。     

相依样本下条件中位数估计的渐近正态性

文中设｛（Ｘｎ，Ｙｎ）：ｎ≥｝为严平稳ρ－相依随机变量列，出于稳健角度，给出了Ｙ关于Ｘ回归中位Ｌ１－模估计θｈ（ｙ│ｘ），在适当条件下证明了θｈ（ｙ│ｘ）的渐近正态性。     

条件密度近邻—核估计的渐近正态性

本文给出了条件密度近邻-核估计的渐近正态分布。     

强平稳LPQD序列更新过程的渐近正态性

本文讨论了强平稳LPQD随机变量列更新过程的渐近正态性问题.     

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。     

混合样本时密度估计的渐近正态性

对多元密度函数的最近邻估计和核估计,在样本为不混合的场合下,本文获得了它们的渐近正态性。     

分数布朗运动模型中贝叶斯估计的渐近正态性

本文研究了由分数布朗运动驱动的线性随机微分方程中贝叶斯估计的渐近趋势．利用分数布朗运动的随机积分理论和Girsanov公式，得到了在平方损失函数下贝叶斯估计的渐近正态性．     

NA样本密度函数估计一致渐近正态性的收敛速度

在平稳NA样本下,讨论了未知密度函数估计的一致渐近正态性.在适当的条件下给出了该密度函数估计一致渐近正态性的收敛速度.这个速度几乎达到n^{-1/6}     

相依样本下概率密度函数估计的渐近正态

设随机变量 X具有概率密度函数 f (x) ,X1,… ,Xn为 f (x)的样本 ,基于 X1,… ,Xn定义一类 f (x)的估计 fn(x) .本文在 X1,… ,Xn为 α——混合、ρ——混合样本时 ,得到了 fn(x)的渐近正态性     

极值分布指数的Pickands估计的渐近正态性

本文中，我们在很弱的条件下证明了极值分布形状参数的Ｒｉｃｋａｎｄｓ估计的渐近正态性．改进了Ｄｅｋｋｅｒｓ和ＤｅＨａａｎ在１９８９年给出的结果．另外，我们得到了几个关于正规变化函数的结果．