众数的核估计问题

设 X_1,…X_n,为 iid 样本,其总体的分布函数、密度函数、众数分别记为 F(x)、f(x)、θ,即有 f(θ)=supf(x)。我们来考虑θ的估计问题。Parzen[1]在研究密度 f 的核估计问题时首先提出了 θ 的核估计方法,并在一定假设条件下证明了这种估计具有弱相合性。陈桂景在[7]中进一步证明了众数 θ 的核估计还具有强相合性,而且当 f 的二阶导函数连续有界时,这种估计的强收敛速度可达到 O((1nn/n)~(2/7))。那么,一个自然的问题是,     

单边截断型分布族中EB估计的收敛速度

本文对单边截断型分布族的位置参数的一阶可微函数构造了在平方损失下的经验Bayes估计,并建立了它们的收敛速度,证明了在适当的条件下这个速度可任意接近于1,文末给出了一个满足定理条件的例子。     

单边截断型分布族中EB估计的收敛速度

本文对单边截断型分布族的位置参数的一阶可微函数构造了在平方损失下的经验 Bayes估计,并建立了它们的收敛速度,证明了在适当的条件下这个速度可任意接近于1.文末给出了一个满足定理条件的例子.