随机序列核密度估计的相合性与高斯过程极值的强收敛性.pdfVIP

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，