相依樣本下回歸函數(shù)基于分割估計(jì)及其改良估計(jì)的統(tǒng)計(jì)推斷理論.pdf_第1頁(yè)
已閱讀1頁(yè),還剩36頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、設(shè)(X1,Y1),(X2,Y2),…(Xn,Yn)為從取值于Rd×R1的總體(X,Y)中抽出的一個(gè)隨機(jī)樣本。若E|Y|<∞,則稱m(x)=E(Y|X=x)(x∈Rd)為Y關(guān)于X的回歸函數(shù)。如何由上述樣本對(duì)m(x)進(jìn)行估計(jì),一直是概率、統(tǒng)計(jì)界研究的熱點(diǎn)之一。美國(guó)學(xué)者PaulAlgoet和LászlóGyofi(1999)提出了回歸函數(shù)m(x)基于分割的估計(jì)mn(x);而后,我國(guó)著名統(tǒng)計(jì)學(xué)家趙林城教授(2002)對(duì)mn(x)進(jìn)行改良,并證明

2、了在i.i.d樣本下,改良基于分割估計(jì)的強(qiáng)相合性;在此基礎(chǔ)上,凌能祥教授(2004)證明了在樣本為同分布的ψ混合序列時(shí),回歸函數(shù)改良基于分割估計(jì)的強(qiáng)相合性及收斂速度,(2005)證明了在樣本為同分布的ψ混合序列時(shí),回歸函數(shù)基于分割估計(jì)的強(qiáng)相合性。經(jīng)研究我們發(fā)現(xiàn),回歸函數(shù)基于分割估計(jì)及其改良估計(jì)的其他大樣本性質(zhì),國(guó)內(nèi)外均無(wú)文獻(xiàn)涉及,如混合相依較弱條件的α混合樣本下估計(jì)量的強(qiáng)相合性及收斂速度;截尾數(shù)據(jù)下回歸函數(shù)基于分割估計(jì)及其改良估計(jì)的漸近

3、正態(tài)性等等,而這些性質(zhì)在非參數(shù)回歸估計(jì)理論中均占有重要的地位。 因此,本文主要對(duì)以下三個(gè)方面進(jìn)行了研究(1)利用α混合序列的基本不等式,證明了同分布的α混合樣本下回歸函數(shù)基于分割估計(jì)的強(qiáng)相合性,積分絕對(duì)誤差的強(qiáng)相合性與平均相合性;(2)利用α混合序列的Bernstein不等式,證明了同分布的α混合樣本下回歸函數(shù)改良基于分割估計(jì)的強(qiáng)相合性及收斂速度,積分絕對(duì)誤差的強(qiáng)相合性與平均相合性;(3)利用截尾數(shù)據(jù)的一些性質(zhì)和鞅的有關(guān)理論,在

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論