随机序列核密度计的相合性与高斯过程极值的强收敛性.pdfVIP

Consistency of Kernel Density Estimation for the Random Sequences and Strong Convergence of Extreme for the Gaussian Process Maj or Statistics Direction of Study Probability Limit Theory Graduate Student Xinye Wu Supervisor Professor: Qunying Wu College of Science Guilin University of Technology Marth, 20 12 to April, 20 14 万方数据 万方数据 摘要 概率极限理论主要研究各类随机序列以及随机过程的各种极限性态，在现代 概率论中占有重要地位，是统计理论及应用研究的基础。 概率密度函数核估计是概率极限理论研究的一项重要内容。本文关于概率密 度函数核估计主要考虑了以下几个方面的问题 首先，我们研究了基于替代样本 及核实数据的独立同分布随机变量序列的概率密度核估计，在适当的条件下证明 了递归型核密度估计的强相合性，扩展了核实数据样本下随机序列的极限性 的 研究成果; 然后，在生存时间与删失时间为j -混合序列，且表示删失时间的随机 变量的分布函数未知的情况下，研究并获得了随机删失模型概率密度函数的 Kaplan-Meier 估计( 以下简称K-M 估计) 的r -阶相合速度，在所要求的部分条件弱 于韦来生(2001) 的部分条件下，得到了更优的相合速度；最后，在Liang (2009) 的 基础上，我们讨论在生存时间与删失时间为j -混合序列且表示删失时间的随机 变量的分布函数已知的情况下，j -混合删失模型中核密度估计的 Berry-Esseen 界，虽然这一结果研究的j -混合序列的范围比a -混合序列所研究的范围要窄一 些，但是，本文利用了其它更弱的条件得到了更快的收敛速度，即获得了更为优 越的Berry-Esseen 界。 中心极限定理同样是概率极限理论研究的一项重要内容。国内外学者们经过 长期努力，已经得到许多具有独立或相依结构的随机变量序列、随机过程的中心 极限定理。有关它们的几乎处处中心极限定理研究也取得了许多成果。相对来说， 对随机过程极值的几乎处处中心极限定理的讨论还比较少。Tan (20 13)建立了平 稳高斯过程最大值的几乎处处中心极限定理，本文通过扩大 重及更改条件，获 得了较于Tan (2013) 的结果更优秀的结果。 关键词 核密度估计；K-M 估计；相合性；Berry-Esseen 界；中心极限定理；高 斯过程；极值；几乎处处 I 万方数据 ABSTRACT Probability limit theory primarily studies on various limit behaviors of all kinds of random sequences and stochastic processes. Probability limit theory occupie