论文部分内容阅读
非参数估计的方法是统计学中的重要方法.考虑如下固定设计回归模型Yi=g(xi)+εi，其中，xi∈(0,1)，A是R1的一个紧子集，g是A的有界实值函数，{εi}是均值为零方差有限随机误差序列，于是g的一个估计为gn(x)=nΣi=1Wni(x)Yi，Nadaraya[1964,1965]和Waston[1964]提出权函数为Wni(x)=K(xi-x/hn)/Σni=1K(xj-x/hn)，i=1,2，…，n，K(·)是Borel可测函数.hn是窗宽，且0＜hn→O(n→∞). 对于固定设计回归模型，在独立样本下，gn(x)已经被很多学者研究过，如Priestleyand Chao[1972]，Clark[1997]，Georgiev[1984a，1988]，Georgiev and Greblicki[1986]等.即使在各种相依样本情形下，gn(x)也已经被很多学者研究过，例如:Fan[1990]，Roussas[1989]，Roussas et al.[1992]，Tran et al.[1986]，杨善朝[1999]等.在α混合序列下，Ioannides[1992]、Rrassas[1992]和Tran[1992]研究了gn(x)的渐近正态性.杨善朝[2003]在NA样本下，研究了gn(x)的一致渐近正态性.本文在(ρ)-混合序列下讨论Nadaraya-Waston的大样本性质.本文的主要研究内容和结果如下: 首先，我们通过截尾法和矩不等式等工具证明了(ρ)混合序列下Nadaraya-Waston估计的完全收敛性和强相合性，本文与Wang[2012]的区别在于本文的截尾是对序列{εi}在|εi|=n-1/r-1处截断，省去了对权重截尾的麻烦.另外本文的条件max1≤i≤nWni(x)=O（n-1/r-1）较Wang[2012]也有优化. 其次，证明了(ρ)混合序列下Nadaraya-Waston估计的强相合性，在尾部的处理上巧妙地运用了子序列法Kronecker引理. 再次，在证明(ρ)混合序列下Nadaraya-Waston估计的渐近正态性质时，运用了传统的证明思路，把Sn分割成Sn，S"n，Sn，再依此证明，结合李雅普洛夫中心极限定理证得. 最后，通过MA(1)模型生成(ρ)混合序列对Nadaraya-Waston的强相合性和渐近正态性质进行数值模拟，从平均误差和图像两个层次来说明在(ρ)混合序列下研究Nadaraya-Waston回归估计大样本性质的理论与现实意义.