线性过程误差下回归函数的样条估计

针对固定设计和线性过程误差下的非参数回归模型,在较弱条件下,讨论了回归函数的多项式样条估计的逐点相合性,得到了逐点收敛速度.模拟算例表明了估计方法的可行性.     

固定设计点情形下回归函数值的区间估计

对于固定设计点情形下的非参数回归模型,基于核估计的方法给出了回归函数的逐点置信区间和修正偏差置信区间.所给置信区间在相对较弱的条件下是渐近精确的.考虑到窗宽的选取对核估计和区间估计的重要影响,给出了适合所给置信区间的核估计窗宽的迭代选取方法.模拟结果显示迭代法收敛,且选取的窗宽表现良好,置信区间有令人满意的覆盖率.     

标值点过程非参数估计的中偏差原理

考虑标值点过程的非参数核密度估计的中偏差,我们得到逐点中偏差原理且给出了速率函数的表达式,其中主要工具是Cramer方法．     

误差为AANA序列时非参数回归模型估计的相合性

研究了误差为AANA序列时非参数回归模型未知函数g(.)估计量的相合性问题,而AANA序列比NA序列要弱.在一般的条件下,利用Cr不等式、Jensen不等式、AANA序列的极大值不等式以及权函数的一些性质,给出了非参数回归模型未知函数g(.)估计量的p-阶平均相合性和一致p-阶平均相合性,推广了相关文献已获得的部分结果.     

非参数回归函数核估计L_p收敛的速度

非参数回归函数的核估计近年来已有了一些研究。Devroye在1981年文章中研究了其p阶逐点平均收敛性,本文进一步讨论这种收敛的速度。证明了在适当条件下有E|m_n(x)-m(x)|~p=O(n~(-p/(2 d))。其中p≥2,m_n(x)为回归函数m(x)的核估计,d是随机变量X的维数。     

混合误差下波动函数的局部多项式估计

文章考虑了具有混合误差的固定设计下的非参数回归模型,在回归函数及波动函数未知的情况下,利用回归函数的局部多项式估计,构造了波动函数的局部多项式估计;给出了该估计的渐近偏差和渐近方差,并在一定条件下得到了该估计的渐近正态性。     

(p)混合误差下波动函数的局部多项式估计

文章考虑了具有混合误差的固定设计下的非参数回归模型,在回归函数及波动函数未知的情况下,利用回归函数的局部多项式估计,构造了波动函数的局部多项式估计;给出了该估计的渐近偏差和渐近方差,并在一定条件下得到了该估计的渐近正态性.     

回归函数的变点分析

本文介绍了变点问题以及线性模型、半参数模型和非参数模型。在已有结论的启发下,给出了非参数模型中回归函数变点或不连续点的位置的估计量,证明了误差具有某种长程相依结构时,回归函数变点位置估计及其分布的大样本性质。在一定的条件下证明了估计量的收敛速度和极限分布。同时在误差具有不同相依结构下,对回归函数变点的位置进行模拟分析;也模拟分析了不同的核函数和带宽对变点估计的影响。     

半函数部分线性模型的经验似然推断

考虑了半函数部分线性回归模型的估计问题.在函数型数据下发展了经验似然方法.构造了参数分量的经验似然比函数,得到提出的经验对数似然比渐近于χ~2分布,可用此结果构造兴趣参数的置信域.同时,也给出了非参数函数的估计,在一定的正则条件下给出了其收敛速度.     

关于非参数回归函数估计的集中不等式

本文利用L^1-传输不等式给出一般的非参数回归函数估计的某种集中不等式。并由此不等式在特殊的情形下给出了这种估计量的强相合性和弱相合性。