误差为Llt;#39;Pgt;-混合序列和弱平稳线性过程的回归模子.pdf

摘 要 本篇论文主要是由两大部分内容构成：一是关于误差是∥一混合序列的线 性回归模型参数的最小二乘估计与非参数回归模型未知函数的权函数估计的P一 阶平均相合性和完全收敛性问题；另一部分是关于误差是弱平稳线性过程的线性 模型参数的最／],--乘估计与非参数回归模型未知函数的权函数估计的r一阶平均 相合性和完全收敛性以及权函数估计的一致平均相合性问题． r f对于非参数回归模型Y。。一g(x。，)+％，1≤i≤一，g为未知函数^。为随机误 ＼、 差，用权函数估计量g。o)一∑W。．b，．22。……3；J)y。，估计go)． t=1 对于线性回归模型Y，一z。，p。+…+z．。成+e。，i一1，2，…，其中z。，为已知 常数，记X。一(z．，)，商≤¨≤确，卢lI．．．，成为未知回归系数，E。为随机误差，由文献 “ 、 ∑6：『)c。／6：”，J=1，…，q，其中卯’一∑(6：n 2—1／”努’，(w芎’)一(x：x。)～．√ t=1 l=1 ＼ 我们主要做了以下几方面的工作： ／ 在本文的第二章中，研究了误差是L，一混合序列的上述两类回归模型／对于 、 线性模型，本文首先对{￡。，罗．)为单下标的L。一混合序列和{‰，1≤i≤“)为双下 标常数列，获得limEI∑n。￡tI，一0的充分条件，然后将其应用于线性模型中去， …f=l 在免去了文献[4]中对误差施加的{hlP，n≥1)一致可积的限制条件下得到了误 差‰为∥一混合序列的参数岛的最小二乘估计p。的P一阶平均相合性，推广和改 进了文献E41中的结果，并在适当的条件下得到卢。，的完全收敛性这一新的结果； 对于非参数回归模型，对误差㈦，，髟。1≤i≤n}为双下标∥一混合序列，同样 在免去了Fan在文献[53中对误差施加{I‰，hJ≤i-G”，n≥1)一致可积的限制 条件，仍得到估计量g。(z)的P一阶平均相合性，推广和改进了文献[53中的结果， 并加上适当的条件也得到了g。(z)的完全收敛性这一新的结果。在以上结果的推 一2一 导过程中，我们采用了不同于文献[4]、[5]中的方法，主要利用了％￡。，展为随机 f ， 在本文的第三章中，研究了误差是弱平稳线性过程的线性模型与非参数回归 ／ 模型。筒先对于非参数回咀盥銎，将设计点列推广到P≥1的情形下，权函数 ＼’————————‘—一————————～ W。。(z)满足较～般性的条件下，仍获得了g。(z)的r一阶平均相合性和一致平均相 合性，推广和改进了Tran在文献[1]的结果，并在加上适当的条件，获得g。(z)的 完全收敛性这一新的结果；对于线性模型，我们得到参数岛的最小二乘估计怠，的 果，同时在适当的条件下获得卢”，的完全收敛性这一新结果文 Abstract This consistsoftwo thefirst willdiscussthe paper parts：In part，we prob—