相依数据的多少统计模型及分析.pdfVIP

摘 要 (在一些近代科学研究中，如生命科学和信息科学的研究，人们获得的 数据往往具有量大、高维和相依等特点．于是，关于相依随机变量的研究， 已引起人们的重视，取得一些研究成果(如陆传荣，林正炎(1997)及其它 所列文献)，并提出了一些研究和加工相依变量的有效方法，如Bootstrap、 ofblocks 分块Bootstrap、Jackknife和分块JackknJfe(BJo矗s jackknife)等方法 and (Lahiri(1999)，Demitris Joseph(1992))．然而，对各种具体的相依数据的统 计模型(如相依数据的非绩衄归和相依数据的非参数回归模型)的研究 还不够充分和不够完备．j为了进一步发展相依随机变量及相关统计模型 的理论，本文研究担篮熬i酗鲁若干统计模型及其分析，包括相依数据的 线性回归模型、非线性回归模型、半参数及非参数回归模型中参数估计 和函数拟合等． 我们在第一章研究了噪声为弱相依过程的固定设计或随机设计非参 数回归模型． ． ／ K2，c噩，+％t=，，…，n， 其中乜t，e2，…}是一均值为0方差为a。的宽平稳随机过程．在自协方差 aCk)=E(即m)满足一些较弱的条件下，我们定义了固定设计模型函数9(．) 的两种类型的Bootstrap小波估计 g．(。)2i∑i野‰(t，亡：)一(t：)和乳(t)2圣M+上：Em(￡，3)ds，=1 同时定义了随机设计模型函数9(．)的Bootstrap小波估计 荆=三∑耳Em(￡，墨)／，(t)， 其中K+，辞，霉和骘分别是观测值、设计点和设计区间的Bootstrap样本． 在自协方差R(t)=E(e；日+k)满足一些更弱的条件下，我们定义了固定设计 模型函数9(．)的两种类型的分块Bootstrap小波估计 州t)=吉姜E％(tjt舢(t：)和“t)=誊F厶％似小s 同时定义了随机设计模型函数“．)的分块Bootstrap小波估计 优 刖=(M)。∑F‰(t，霹)／巾)， i=1 小波估计量矿(t)和野(t)的偏差和方差的渐近界及近似渐近正态性，建立 率收敛性及偏差的渐近界，提出了选择数据块大小的原则．本文的理论结 果和数据模拟表明，在较弱的数据假设下，非参数回归模型中的Bootstrap 小波和分块Bootstrap小波方法是有效的．r、r一 第二章研究了相依数据的线性回归模型中分块拟回归方法．(为了减 少计算复杂性，在线性回归的计算机试验设计中，最近人们提出丫一种 and Owea(2001))．在独立同分布的线 新的统计方法一拟回归(owm(2000)，An 性回归模型中，拟回归不仅能提高计算速度，而且有较好的统计性质． 然而，对相关数据模型，这种方法的统计性质并不好．针对这一问题， 本文提出回归系数岛的分块拟回归估计： 1 q 岛2古三一扣o】l…，p一 其中丑为适当的观测数据块，Q为数据块的个数．我们得到分块拟回归 的小样本和大样本性质，如无偏性、均方收敛性、强收敛性和渐近正态 性，并讨论了曲线拟合的性质．这些结果表明，分块拟回归比原拟回归 渐近有效．同时，我们还指出了分块拟回归(包括原拟回归)在高维问题 中的缺陷．为改善曲线拟合，我们提出一种修正分块拟回归．修正分块 拟回归只需将岛的估计调整为 1 0M r．1 p～1 ＆2茄i萎圣(1一揣苫(一(坼．1】‘+，))2)即．1)￡+s)， 其中们和墨分别为观测变量和设计变量，≯为基函数．本文的理论结果 和数