B值鞅差型阵列的大数定律

主要研究了 B值鞅差型阵列的大数定律 ,并讨论了它们与

B值鞅差序列和的收敛速度(英文)

在随机元的尾概率随机有界的情况下，我们讨论了Ｂ值鞅差序列非随机足标与随机足标部分和的收敛速度，使得实值独立同分布随机变量序列的一些经典结果得到了推广和一般化，并且当０＜ｔ＜１时，我们证明了对任意Ｂ值随机元结论都是成立的．

B值拟鞅差阵列的收敛速度

研究B值拟鞅差阵列的收敛速度,并讨论它们与Banach空间几何特征的依赖关系.

半参数回归模型的近邻估计──鞅差误差序列情形

在鞅差误差序列下，给出了半参数回归模型中有关参数β和ｇ（ｔ）的近邻估计，研究了估计量的相合性，在相当一般的条件下，得到了理想的结果．

鞅差误差下非参数方差模型的样条估计

考虑固定设计和鞅差误差下的非参数方差模型,利用多项式样条方法,得到了非参数方差函数估计的最优全局收敛速度和一致收敛速度。模拟算例不仅说明了样条估计方法的可行性,而且其拟合效果和估计性质在一定条件下还优于局部线性方法。

误差为鞅差序列的部分线性模型中估计的强相合性

考虑回归模型: yi=xiβ+g(ti)+σiei,i=1,2,…,n,其中σi=f(ui),(xi,ti,ui)是固定非随机设计点列, f(·),g(·)是未知函数,β是待估参数,ei是随机误差且关于非降σ-代数列{Fi,i≥1}为鞅差序列.对文献[1]给出的基于f(·)及g(·)的一类非参数估计的β的最小二乘估计βn和加权最小二乘估计βn,在适当条件下证明了它们的强相合性,推广了文献[6]在ei为iid情形下的结果.

基于指数矩鞅差序列非参数回归函数的估计

本文研究了误差项是鞅差序列,且满足某种指数矩条件的非参数回归函数的估计.利用鞅的某种指数不等式,得到了其加权核估计的强相合以及在有限闭区间内一致强相合的性质,并在某种意义上推广了[5]的结果.

半参数回归模型小波估计的稳定地依分布收敛性——误差为鞅差序列情形

考虑半参数回归模型yi=xiβ+g(ti)+εi,1≤i≤n,其中β∈R为未知参数,g(t)为[0,1]上的未知Borel函数,xi为R上的随机设计,随机误差序列{εi,1≤i≤n}为鞅差序列,{ti}为[0,1]上的常数序列.本文用小波的方法得到β及g(t)的估计β∧、g∧(t),并研究了n(β∧-β)稳定地依分布收敛于其准分布函数G.

B值鞅差序列加权和的收敛性与大数定律

对形如 knj=1anjdj X的加权和 ,其中 { dn X ,n≥ 1}为 B值鞅差序列 ,{ anj}为实值常数阵列 ,在{‖ dj X‖ p关于 { | anj| p }一致可积的条件下建立鞅差序列加权和的收敛性与 Banach空间 p光滑性的关系 ,并给出p光滑

B值极限鞅差序列的Brunk型大数定律

分别对于取值于p一致光滑空间的极限鞅、概率极限鞅和L1极限鞅的差序列证明了Brunk 型大数定律,推广了Woyczynski中关于鞅的相应结论.

鞅差序列滑动和过程的极限结果

该文获得了鞅差序列滑动和过程的完全收敛性,Marcinkiewicz-Zygmund强大数定律,矩完全收敛性以及讨论了极大值矩的存在性问题,推广和改进了已有的结果.

误差为鞅差时的非参数回归模型

本文讨论了描述海水含盐量与年度月份变化之间关系的非参数多元回归模型Y^(j)(X_(in))=g(X_(in))+e^(j)(X_(in))获得了未知数函数g(x)的估计量的相合性。

鞅差序列加权和的收敛性与强大数定理

本文讨论了鞅差序列加权和的收敛性及强大数定理,得到了一些新结论。同时,推广与改进了一些已知的结果。

误差为鞅差序列线性模型参数M估计的强相合性

研究了随机误差为鞅差序列的线性模型中回归参数β0的M估计,在一定的条件下证明了回归参数M估计的强相合性,推广了陈希孺等(1996)和杨善朝(2002)的结果.

鞅差序列误差下线性模型的经验似然推断

文章在线性模型误差项为鞅差序列情形下,应用经验似然方法得到了关于回归系数β的对数经验似然比统计量渐近服从χp2分布,从而得到了关于β的置信域。

鞅差序列的Bernstein型不等式及其应用

本文将独立随机变量序列的Bernstein型不等式推广到鞅差序列情形,给出该不等式的一个应用,并在一定条件下证明了非参数回归中函数估计的强相合性.

鞅差序列加权和的几乎处处收敛(英文)

本文研究了一类鞅差序列加权和的收敛性的问题.利用一些基本不等式和截尾技术,获得了加权和的几乎处处收敛性,推广了关于独立同分布的随机变量序列的相关结果.

由鞅差序列生成的线性过程的Baum-Katz大数定律的精确渐近性

主要讨论了线性过程Xt=∑∞j=0ajεt-j,其中{εt,Ft;t∈Ζ}是均值为零,方差有限的平稳鞅差序列,aj,j∈Ζ是绝对可和的实数序列.令Sn=∑nt=1Xt,n≥1,在适当矩的条件下,利用部分和Sn的收敛性,对于1≤p<r<2以及δ>2,若supj≥1Eεjδ<∞,证明了∑∞n=1nr/p-2P|Sn|≥εn1p,∑∞n=1n-1/P|Sn|≥εn1/p当ε→0时的精确渐进性.在鞅差序列的前提下,进一步推广了线性过程的Baum-Katz大数律的精确渐近性性质.

误差为鞅差序列的半参数回归模型参数估计的收敛速度

研究误差为鞅差序列的半参数回归模型参数估计的收敛速度.利用非参数分段多项式估计和最小二乘法进行讨论.考虑固定设计下的半参数回归模型:y_i=x_iβ+g(t_i)+e_i,i=1,2,…,n,{e_i)是随机误差,且{e_i,F_i,i≥1}为平稳遍历的平方可积鞅差序列,F_i,i≥1为单调不减的σ代数流,且Ee^2_1=σ~2>0,E(e^2_i|F_i)≤1,对利用通常采用的非参数权函数法结合最小二乘法得到的参数β和σ~2的估计量(?)_n和(?)~2_n,在适当的条件下得到了(?)_n和(?)~2_n的精确的收敛速度.重对数律.

一种基于鞅差散度的纵向数据降维方法

变量间的相关性和同一个体多次观测之间的相关性是纵向数据集两大固有特点,这两种相关性包含纵向数据的许多重要信息.本文借鉴矩阵值数据的降维思想,利用这两种相关性对纵向数据进行降维,提出一种基于鞅差散度的充分维数折叠降维方法.理论上,该降维准则在总体形式下能找到中心均值维数折叠子空间,实现时间和变量两个维度的同时降维,基于其样本形式得到的中心均值维数折叠子空间的估计具有√n相合性.算法上,通过引入Kronecker乘积假定,将降维过程转化为带约束的低维优化问题,从而可以用成熟的非线性优化算法快速求解.进一步地,本文提出一种相合的BIC准则自适应地确定结构维数.相较于文献中的降维方法,数值模拟表明所提方法不仅能快速实现,而且在中心均值维数折叠子空间的估计和结构维数的确定上有更高的准确度.最后,本文通过原发性胆汁性肝硬化临床数据的实证分析验证了所提方法的有效性.