1) optimal weak convergence rate
最优弱收敛速度
1.
The asymptotic normality of the estimators β∧n,and σ^2n was proved on an appropriate condition and the optimal weak convergence rate of the estimator g^*n(t) was obtained,also.
在适当的条件下,证明βn,2σn的渐近正态性,得到gn*(t)的最优弱收敛速度。
2.
In an appropriate condition,the βn,σn of their asymptotic normalities and the gn(t) of optimal weak convergence rate were obtained.
在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度。
3.
The estimators of β and g(·) are obtained by using the least squares and nonparametric weight function method,the asymptotic normality of the estimator of the parametric component and the optimal weak convergence rate of the nonparametric component are proved under the suitable conditions.
)的估计,并在适当条件下证明了参数分量估计量的渐近正态性和非参数分量估计量的最优弱收敛速度。
2) optimal convergence rate
最优收敛速度
1.
Under appropriate conditions,it has proved that estimater n has asymptotic normality and n(t) has optimal convergence rate.
当Yi因受某种随机干扰而被随机右删失时,就删失分布未知的情形,利用所获得的删失数据定义了β与g(t)的估计^βn和^gn(t),在适当的条件下,证明了^nβ的渐近正态性,同时得到了^gn(t)的最优收敛速度。
3) optimal convergence rates
最优收敛速度
4) weak convergence rate
弱收敛速度
1.
Under some weak conditions,the weak convergence rate of βn,the strong consistency and the weak convergence rate of (f^)n(·),as well as the weak convergence rate of (g-) n(·) are obtained.
通过利用加权最小二乘法及小波估计法给出了未知参数β和未知函数f(·)、g(·)的估计;在较弱的条件下给出了最终加权二乘估计βn的弱收敛速度,(^f)n(·),的弱收敛速度、强相合性以及(g-)n(·)的弱收敛速度。
5) uniformly optimal convergence rate
一致最优强收敛速度
1.
This paper studies the nonparametric estimates of general weight function of the nonparametric regression function with fixed design points,when the model error is NA sequence,and the uniformly optimal convergence rate under some conditions is also provided.
在误差为NA序列的条件下,研究了固定设计点列情形下非参数回归函数一般权函数的非参数估计,并在一些基本条件下给出了估计的一致最优强收敛速度。
2.
This paper studies the nonparametric estimates of general weight function of the nonparametric regression function with fixed design points,when the model error is martingale sequence,and the uniformly optimal convergence rate under some conditions is also provided.
当误差为鞅差序列时,研究了固定设计点列情形下非参数回归函数一般权函数的非参数估计,并在一些基本条件下给出了估计的一致最优强收敛速度。
6) asymptotic rate of convergence optimal
渐近最优收敛速度
1.
This paper discusses the empirical Bayes estimation in dependent samples and gains asymptotic rate of convergence optimal O(N~(-1)C~(-2)_N).
讨论了m相依样本时单参数总体中参数θ的线性经验贝叶斯估计,得到一致渐近最优收敛速度O(N-1C-2N)。
补充资料：概率测度的弱收敛
概率测度的弱收敛
eak convergence of probability measores
【补注】概率测度弱收敛的一般背景是在完全可分度虽空间(n犯川C sPace)(X，p)(亦见完全空间(comP-letesPace);可分空间(sep娜blesP毗))上讨论的，p是距离，具有定义在X的BOrel子集上的概率测度召。，n二O，l，，…如果对定义在X上的每个有界连续函数f，当。~二时，有Jfd产。~了fd拜。，则称拜，弱收敛到产。.如果在X中取值的随机变量氦的分布是拜。，n=o，l，…，如果拼。弱收敛到群。就写作省。人‘。，并且称七。依分布收敛到么，(亦见依分布收敛(①n凭r罗nCe in dis苗bution)). 在概率论中使用最普通的距离空间是k维Euclide空间Rk，〔0，l]上连续函数空间C[0，11以及在仁O，11上右连续具有左极限的函数空间Dto，1]. 更为丰富的距离空间中的弱收敛比在Eucljd空间中的用处大得多.这是因为在R’中依分布收敛的各种各样的结果可由它借助于连续映射定理(conti-nuo璐maPping tl篮幻哪)导出.该定理说，如果在(x，，)中着。二‘。且映射儿:x~R是连续的(或至少是可测的，且P(尝。6D*)二O，其中D*是h的不连续点集)，则h(亡。)‘h(省。).在许多应用中极限随机元是Bro”.运动(Bro认们坦n mot」on)，它以概率1具有连续轨道. 最基本的弱收敛结果之一是关于和s。=艺夕_:x.，n)1，的L心璐ker定理(功nsker tll印reTn)，其中戈是具有EX:=0，EX)‘1，i=1，2，…，的独立同分布随机变量.可以这样来陈述其轮廓:在C【O，l]中，令S。=o，S。(t)二n一”，{SL。:l+(nt一[nt])·戈。t〕+、}，o(t(l，其中卜]表示x的整数部分，则功挑ker定理断言s。(t)车w(t)，其中w(t)是标准Brown运动.应用连续映射定理很容易提供对诸如~1、*‘。S*，max，、*‘。k一”2 15*l，艺又_:了(S*)。)和艺二_，:(s、，s*+1)等函数的依分布收敛结果，其中I是示性函数而下(“，b)=l，如ab<仇=0，其他.概率测度的弱收敛【W.山。皿到曰岁翔沈of声触晒ty~-，.留;c“浦aa cxo口”Moc、解妙~oc珊0益Me伽]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条