连续时间下局部性光滑估计的最优离散化抽样.pdfVIP

摘 要 在本文中，我们首先研究了连续时间下局部线性光滑回归估计的最优离 散化抽样．给出了最优的离散化抽样方案，构造出局部线性光滑的估计量， 并证明了该1卉计蕈的均方收敛速度可以达到经典的独立同分布时的收敛速 度0(n一{)．然后我们研究了当变量的观察带有误差时，抽样规则受到的影响． 最后，我们对抽样规则做了数值模拟来进一步地说明我们的结论。 关键词：局部线性光滑估计，离散化抽样，不规则性-带误差变母，分布的 光滑性，数值横拟 中图分类号：o212．7； 2 Abstract Inthis we outthe schemeforthelo— paper，firstgive optimalsampling callinearsmootherincontinuous alsowe thatunderthis time，and proved of schemethelocallinearsmootherwillreachclassicalratesthe sampling i．i．d．case effectsofknownerrors-in-variablesonsuchsam- Next，westudy stilldiscusstheratewhichthelocallinearsmoothercan schemes，and piing the wedosimulationtoillustrateonrresult． reaches．Last，throughoutpaper linear Keywords：Localsmoother，Discretized sampling，Irregular，Error—in— of variable，Smoothnessdistribution，Simulation． CLC number：0212．7 3 第一章 引言 回归分析是研究两个或者两个以上的变量之间相关关系的一种统计方法，是 最常用的统计方法之 ，在进行分析时常需要选择其中之‘为凶变量，其余的作 为自变量．模型 y=m(x1+s 是最常用的回归模型，其中m(．)是回归函数，E表示误差，s和X是独立的．划 于该模型的研究主要集中在对m(．)的估计及其性质的讨论一卜‘如果m(．)的形式己 知，模型被称为参数回归模型，例如最常见的线性回归模型y=X口+E．此时 对m(．)的估计就转化成了对p的估计．如果对于m(·)只是作一些整体的限制，例如 有界、可微等，则模型被称为非参数回归模型，m(．)的估计赢(．)被称为回归函数 的非参数估计回归函数的非参数估计包括核估计、样条估计、近邻估计和局部线 性光滑估计等，其中常见的是核估计和局部线性估计． 核估计用到了核函数K(·)的概念：它一般要满足如丘。||ull2K(“)du+o。、 rK(u)du=1和A，(u)≤o等条什．我们通常取有界对称的密度函数作为核函数，在 零点取值最大，囱两侧逐渐减小，表示靠近。的样本获得的权重较大．常用的核函 数有： “∈德“ 丰h素核(Ⅳniekernel)K(“)=I[-i／2，1／2】(札)， ¨∈瓞 正态核(Ⅳ。rm耐kernel)K(“)=(2”)一exp(一11“112／