回归函数的投影寻踪逼近的L_p收敛性

投影寻踪是用来处理高维数据得一类新型统计方法．由于不知道Ｅ（ｒｍ（ｘ）｜ａＴｍｘ）的具体形式，给投影寻踪回归的应用带来一定的困难，为此，作者曾证明岭函数为多项式形式的投影寻踪回归的 Ｌ２收敛性［３］，本文在文献 ［３］的基础上进一步证明了回归函数投影寻踪逼近的 Ｌｐ收敛性．

行为AANA阵列的收敛性

设{Xnk;1≤k≤n,n∈N}是行为AANA随机变量阵列,在一些矩条件下,研究了AANA阵列行和的收敛性质,利用截尾方法和矩不等式,获得了行为AANA阵列的Lp收敛性和完全收敛性定理.

两两NQD列的L_p收敛性和完全收敛性

在较宽泛的条件下研究了不同分布两两NQD列加权和的收敛性质,利用矩不等式和截尾方法,获得了一般双下标加权系数的加权部分和的L_p收敛性和完全收敛性定理,推广了前人的相应结果.

两两NQD列的L_p收敛性和矩完全收敛性

研究了两两NQD(negatively quadrant dependend)列的L_p收敛性和矩完全收敛性,获得了一些新结果,推广和改进了已有的若干定理.

NA列与两两NQD列的L^p收敛性

设{Xn,n1}是NA列或两两NQD列,{ank;1≤k≤n,n∈N}是实数阵列.利用矩不等式和截尾方法,研究了sum from k=1 to n(ankXk)的Lp收敛性,所获结论推广和改进了前人的相应结果.

■混合阵列加权和的收敛性质

在较宽泛的条件下研究了不同分布■混合阵列行加权和的收敛性质,利用矩不等式和截尾方法,获得了一般双下标加权系数的加权部分和的Lp收敛性和完全收敛性定理,改进了吴群英与王远清(2007)的相应结果.

回归函数两类改良估计的L＿p收敛性及收敛速度

设（Ｘ，Ｙ），（Ｘ１，Ｙ１），…，（Ｘｎ，Ｙｎ）为Ｒｄ×Ｒ１上的ｉｉｄ．随机向量，且Ｅ｜Ｙ｜＜∞。研究如何利用样本（Ｘ１，Ｙ１），…，（Ｘｎ，Ｙｎ）观测的结果估计回归函数ｍ（ｘ）＝Ｅ（Ｙ｜Ｘ＝ｘ），称为非参数回归函数估计问题。常用的估计有两类，一类是核估计，另一类是近邻估计。这两类估计都具有形式 这里（Ｗｎ１（ｘ），…，Ｗｎｎ（ｘ））是概率权向量，且每个Ｗｎｉ（ｘ）是依赖于ｘ，Ｘ１，…，Ｘｎ的Ｂｏｒｅｌ可测函数，对核估计和近邻估计，Ｗｎｉ（ｘ）有不同的定义方式（参看［６］）．最近，成平和赵林城在文献［４］、［５］中针对回归函数的核估计和近邻估计将ｍｎ（ｘ）作了改良，采用估计ｍ（ｘ），同时证明了它有强相合性并给出了收敛速度，本文接着讨论了这一问题，证明了ｍｎ（ｘ）具有Ｌｐ收敛性并给其Ｌｐ收敛速度。