多元AR(1)序列样本均值分布的随机加权逼近

考虑多元ＡＲ（１）模型样本均值分布的随机加权逼近问题，得到了ｏ（ｎ－１２）的最优精度。

均值误差的随机加权逼近的重对数律──非独立同分布情况

讨论了独立不同分布情况下均值误差的分布估计问题，用随机加权法给出了精度为Ｏ（／ｎ）的逼近分布．

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．

U-统计量的Edgeworth展开及其随机加权逼近

探讨了独立样本情形下U-统计量的分布的渐近展开,在较一般的条件下证明其Edgeworth展开的余项之误差可达到o（N-1/2）,并构造精度为o（n-1/2）的随机加权逼近.

L-统计量的Edgeworth展开和随机加权逼近

文［１］讨论了Ｌ－统计量的一种能达到Ｏ１√ｎ精确度的随机加权逼近。

Von-Mises统计量的Edgeworth展开和随机加权逼近

文［１］讨论了Ｖｏｎ－Ｍｉｓｅｓ统计量的一种能达到Ｏ１ｎ的精确性的随机加权逼近，本文则给出了这种统计量的一阶Ｅｄｇｅｗｏｒｔｈ展开和一种能达到ｏ１ｎ的精确性的新的随机加权逼近．

AR（p）序列部分和分布的随机加权逼近

对于自回归系数未知的ＡＲ（ｐ）序列，本文构造了适当的随机加权统计量，以其条件分布逼近ＡＲ（ｐ）序列的部分和分布，在相当一般的条件下，证明了其逼近精度可达，其中ｎ为样本容量。

固定设计下半参数回归模型中的随机加权逼近

为了模拟参数估计的误差分布,研究了固定设计下半参数回归模型中参数估计的误差分布的随机加权逼近问题,构造了参数估计的随机加权统计量,在适当的条件下,证明了用随机加权统计量的分布去逼近原估计量的误差分布的精度可达到o(n-1/2).

一类分布的随机加权逼近

研究了一类有渐近展开分布的逼近问题，应用随机加权法给出了比正态逼近精度更高的模拟分布．

MA(q)序列的均值估计误差分布的随机加权逼近

本文讨论了MA(q)序列的均值估计误差分布的随机加权逼近的收敛速度,在相当一般的条件下,证明了其收敛速度可达到,其中n为样本容量。

一元有限总体样本均值分布的随机加权逼近

对来自一元有限总体的简单随机抽样样本，其均值分布采用随机加权逼近，从模拟方差的角度说明随机加权法在抽样调查中的可用性，得到了 Ｅ｜Ｖａｒ＊ Ｄ_ｎ－Ｖａｒ Ｔ_ｎ｜＝Ｏ（１/ｎ）的良好结果。

光滑L-统计量的随机加权逼近

在关于分布函数的合理假设下 ,讨论了光滑 L-统计量的随机加权逼近。

最近邻回归估计的随机加权逼近

研究了一种最近邻回归估计的分布逼近问题．利用随机加权法，给出了最近邻回归估计误差的逼近分布及其逼近的精度。

随机加权逼近的再构造方法

对一般线性回归模型中有关参数估计分布的模拟问题 ,给出一种随机加权逼近的再构造方法 .此法不仅形式简洁 ,直观意义强 ,对模型具有稳健性 ,而且还能适用于其它有关情形 .

格子点分布的随机加权逼近

用随机加权和分布去逼近格子点随机变量X1，X2，…，Xn的均值的分布，获得的逼近速度为，且给出精确的同阶O的常数为．

固定设计下半参数回归模型估计的随机加权逼近

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,…,n 对利用一般非多数估计法结合最小二乘法得到的参数分量β和误差方差σ~2的估计量(?)_n和(?)_n^2,本文用随机加权法构造了(?)_n和(?)_n^2的随机加权统计量H_(?)_n和H_(?)_n^2,并证明了在给定原样本的条件下,H_β_n和H_((?)_n^2)分别与n^(1/2)((?)_n-β)和n^(1/2)((?)_n^2-σ~2)有相同的渐近分布.

U—统计量及Von-Mises统计量的随机加权逼近的非一致性速度

文［１］、［２］研究了Ｕ—统计量和ＶｏｎＭｉｓｅｓ统计量的随机加权逼近的相合性和一致性逼近速度，本文则研究了它们的非一致性逼近速度．

标准化样本均值分布的随机加权逼近——多维情形

本文考虑多维标准化样本均值分布的随机加权逼近,得到了O((?)^(-1/2))的最优精度,从而拓广了随机加权法的应用范围.

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o(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.