相依函数型数据条件密度估计的渐近性质  

Asymptotic Properties of Conditional Density Estimation for Dependence Functional Data

作　　者：凌能祥[1] 丁洁[1] 

机构地区：[1]合肥工业大学数学学院,合肥230009

出　　处：《数学物理学报（A辑）》2012年第3期547-556,共10页Acta Mathematica Scientia

基　　金：国家自然科学基金(11171001);教育部人文社科规划基金(10YJA910005);教育部科学技术研究重大项目(309017);安徽省自然科学基金(11040606M03);安徽省教育厅重点科研基金项目(KJ2010A282)资助

摘　　要：利用Kolmogorov熵的方法研究了基于相依函数型数据条件密度函数的非参数估计,在一定的条件下建立了条件密度函数双重核估计量的几乎完全一致收敛速度及估计量的渐近分布,推广了现有文献中相关结果.In this paper, we investigate the almost uniform complete convergence of nonpara- metric conditional density estimation for functional data by the Kolmogorov＇s entropy in some semi-metric functional space and obtain the uniform almost complete convergence rate of the estimator under dependent case, which extend the i.i.d, functional data to the dependence setting. At the same time, the asymptotic normal of the estimator is also established in this case.

关 键 词：条件密度函数 相依函数型数据 熵 几乎完全一致收敛速度 渐近正态性 

分 类 号：O212.7[理学—概率论与数理统计]