相依函数型数据递推改良核回归估计的收敛性  

Asymptotical Properties of Recursive Modified Kernel Regression Estimation for Dependence Functional Data

作　　者：汪超[1] 李玥[2] 

机构地区：[1]合肥工业大学数学学院,合肥230009 [2]合肥学院数学与物理系,合肥230601

出　　处：《合肥学院学报（自然科学版）》2012年第3期24-28,共5页Journal of Hefei University :Natural Sciences

基　　金：合肥学院2011年度科研发展基金一般项目(11KY06ZR)资助

摘　　要：研究了基于相依函数型数据非参数回归函数算子的估计问题,构造了非参数回归函数算子递归改良核估计,利用非参数函数型渐近理论,对估计量进行分解,建立了其递归改良核估计在α-混合相依函数型数据下的几乎完全收敛性及其收敛速度,推广了现有文献中的相关结果.Investigate a recusive modified kernel regression estimator for dependence function data, by using nonparametric functional asymptotical theory and estimator decomposition, obtain the almost complete consistency of recursive modified kernel regression estimator for α- mixing dependence functional data. The work of this paper extends the existing related results

关 键 词：Α-混合 递推改良核估计 函数型数据 几乎完全收敛速度 

分 类 号：O212.7[理学—概率论与数理统计]