导读:本文包含了正相协论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:样本,序列,渐近,平均,过程,精确,模型。
正相协论文文献综述
卢林莘[1]（2016）在《正相协样本下最近邻密度估计的收敛速度》一文中研究指出Esary, Proschan and Walkup在1967年首次提出了PA (Positive Associated)随机变量的概念,此概念被广泛的应用于统计力学、渗透理论、可靠性分析等不同的领域,许多学者对PA随机变量展开了深入的研究,文献[1-19]详细地讨论了PA (Positive Associated)随机变量的相关性质和矩不等式Loftsgarden and Quesenberry在1965年引入了一种非常有用的非参数估计方法最近邻密度估计,该估计方法已经被广泛的应用于各种领域,如社会科学、工程技术、物理科学等.目前关于最近邻密度估计的研究较多,文献[23-43]研究了最近邻密度估计在独立样本下和相依样本下(包含NA、α-混合等相依样本)的相合性及其收敛速度.本文研究了PA样本下最近邻密度估计的相合性及收敛速度,证明了正相协样本下最近邻密度估计的强相合的收敛速度接近n-1/4,一致强相合的收敛速度几乎为n-1/6,并进一步的研究了PA样本下失效率函数估计的一致强相合性,同时通过数值模拟得到了最近邻密度估计的图像,比较了最近邻密度估计方法的优缺点.本文的主要特色有以下两个方面：1.本文首次研究了PA样本下最近邻密度估计的相合性及其收敛速度.2.本文证明了PA样本下最近邻密度估计的强收敛速度和一致强收敛速度与NA样本情形的结论一致.(本文来源于《广西师范大学》期刊2016-04-01）
李永明,张文婷,李乃医,姚竟[2]（2015）在《正相协样本分位数估计的Bahadur表示》一文中研究指出作为一类常见的随机变量序列,正相协随机变量序列在可靠性理论和多元统计分析中有着广泛应用.本文的主要目的是研究一类严平稳正相协随机样本分位数的估计问题.首先,利用正相协随机序列的性质,我们获得了一个有关正相协随机变量的协方差不等式.然后,利用正相协序列的指数不等式获得了一个有关经验分布函数的不等式.最后,我们利用所得不等式,在适当的条件下,进一步讨论了样本分位数估计的强相合性,并给出了其Bahadur表示及其收敛速度.(本文来源于《工程数学学报》期刊2015年04期）
李永明,张文婷,蔡际盼[3]（2016）在《正相协下风险度量VaR样本分位数估计的渐近性质》一文中研究指出本文研究了正相协严平稳样本下,风险度量VaR样本分位数估计的问题.利用其指数不等式和协方差不等式,获得了风险度量VaR的样本分位数估计的相合性和渐近正态性,并给出Bahadur表示.(本文来源于《数学杂志》期刊2016年01期）
李永明,李佳[4]（2013）在《正相协随机变量列生成平均移动过程的矩完全收敛及精确渐近性(英文)》一文中研究指出本文研究了平均移动过程的矩完全收敛性及其精确渐近性问题.利用正相协随机变量的性质,类似于文献Kim,Ko(2008)和Baek et al.(2008)中的方法,获得了由正相协随机变量生成的平均移动过程矩完全收敛的条件及精确渐近性,从而推广了负相协随机变量生成的平均移动过程有关文献的相关结果.(本文来源于《数学杂志》期刊2013年06期）
丁立旺[5]（2013）在《正相协样本半参数回归模型估计的相合性》一文中研究指出正相协(Positively associated)随机变量这一概念是由Esary, Proschan, Walkup[1967]提出来的,正相协随机变量不但在多元统计分析,渗透理论,可靠性理论,而且在如通讯,气象等许多工程领域及风险分析中均有较广泛的应用.因此引起了国内外概率论与数理统计学者的广泛关注和研究兴趣,并且得到了很多有意义的结果.本文主要在正相协样本下研究半参数回归模型未知量的权函数估计的强相合性和r—阶矩相合；及小波估计的强相合性和其收敛速度.具体研究内容有：1.首先介绍了本课题的研究背景和目前国内外研究现状,以及定义和若干引理.2.研究了半参数回归模型yi=xiβ+g(ti)+ei(1≤i≤n),在误差{ei,1≤i≤n}为平稳正相协样本条件下,得到未知回归函数g(t)权函数估计和未知参数β估计的强相合性和r—阶矩相合性.3.最后对于半参数回归模型yi=xiβ+g(ti)+ei(1≤i≤n),在误差{ei,1≤i≤n}为正相协条件下,研究了未知参数β和未知函数g(t)小波估计的强相合性,并得到了它们强相合的收敛速度.(本文来源于《广西师范学院》期刊2013-06-01）
李佳[6]（2013）在《正相协序列下矩完全收敛及半参数回归模型估计的大样本性质》一文中研究指出本文讨论了正相协下矩完全收敛以及半参数回归模型中估计量的大样本性质.主要运用了Markov不等式、Cauchy schwartz不等式和慢变化函数h(x)的性质建立了正相协随机变量序列生成的平均移动过程的矩完全收敛性及其精确渐近性.此外,在一定的协方差结构的限制条件下,利用正相协随机变量序列的相关性质和矩不等式对正相协误差下的半参数回归模型中估计量的r阶矩相合性、强相合性以及弱收敛速度进行了研究,得出了相应的结论.本文内容共分为六章.第一章是序言,主要介绍了概率极限理论和半参数回归模型的研究背景及本文的研究依据、意义与内容.第二章是预备知识,介绍了正相协随机变量序列的基本概念及性质、完全收敛性的概念、半参数回归模型中估计量的相合性等相关知识,以及常用不等式(如：Cr不等式、Chebychev不等式、Markov不等式、Cauchy schwartz不等式).第叁章讨论了正相协随机变量序列生成的平均移动过程的矩完全收敛及其精确渐近性.第四章讨论了正相协误差序列下半参数回归模型估计的大样本性质,如：r阶矩相合性、强相合性及弱收敛速度.第五章附记部分主要是对本文所得结论与其它相关文献中的结果进行比较和分析.第六章是总结与展望,该部分叙述了本文的主要研究成果、不足之处以及未来还可以继续研究的内容.(本文来源于《南昌大学》期刊2013-05-28）
邓小金[7]（2013）在《正相协样本下线性模型回归系数的经验似然推断》一文中研究指出本文采用Owen[5,6]提出的经验似然方法及Kitamur[9]提出的分组法处理正相协样本下线性模型回归系数的经验似然推断,在一定的条件下证明了分块经验似然比统计量的渐近分布为卡方分布,并且利用这个结论构造了正相协样本下线性模型回归系数的经验似然置信域.自从Esary[Association of randam variables with applications, Ann. Math. Stati-st.1967,38:1466-1474]等在上世纪六十年代提出正相协随机变量的定义(2-1)以来,由于它是一类包含独立随机在内的相依随机变量,而且在多元统计分析,可靠性分析及相关的各种实际领域中有着广泛应用,所以出现了不少研究成果(见[3,25]).本文的目的是得到正相协样本下线性模型回归系数的经验似然置信域.Owen[Empirical likelihood confidence for a single functional, Biometrika.1988,75:237-249; Empirical likelihood ratio confidence regions, Ann. Statist.1990,18:90-120]提出采用经验似然的方法来构造置信区间,Owen提出的经验似然方法是在完全及独立样本情况下提出的一种非参数统计推断方法,有类似于正态逼近方法和Bootstrap的抽样特性,与经典的或现代的常用统计方法相比而言有很多比较突出的优势如,经验似然置信区间除有域保持性,变换不变性及置信域的形状由数据自行决定等诸多优点外,还有Bartlett纠偏性及无需构造枢轴统计量等优点.Owen[Empirical likelihood for linear model, Ann, Statist.1991,19：1725-1747]更进一步在独立样本下构造了线性模型回归系数的经验似然置信域.考虑如下线性模型：Y=XTβ+ε,其中,Y为一维响应向量,X∈Rr为随机设计向量.β∈Rr为回归系数向量.误差ε∈R是个随机变量,且满足E(ε丨X)=0.设X1….,Xn为随机的观察值.Y1,...,Yn为响应变量的观察值.本文是在假定{X1,Y1,X2,Y2,...,Xn,Yn}为正相协随机变量序列的情况下展开研究,利用分组经验似然方法构造了回归系数β的经验似然置信域,并通过模拟比较了基于正态逼近的置信域和基于经验似然的置信域的优劣.本文的特色体现在以下两个方面：1.首次构造了PA样本随机设计情形线性模型回归系数的经验似然置信域.扩大了模型使用的范围.2.本文的方法对构造更一般的相依样本下线性模型回归系数的经验似然置信域有一定的借鉴作用.(本文来源于《广西师范大学》期刊2013-04-01）
丁立旺,李永明[8]（2013）在《正相协误差半参数回归模型小波估计的强相合性》一文中研究指出研究半参数回归模型yi=xiβ+g(ti)+ei(1≤i≤n),{ei,1≤i≤n}为正相协序列的未知参数β和未知函数g(t)小波估计的强相合性,得到它们的强收敛速度.(本文来源于《广西科学》期刊2013年01期）
谭希丽,王敏会,付瑶[9]（2008）在《正相协序列生成的平均移动过程的Baum-Katz大数定律的精确渐近性》一文中研究指出设{εt;t∈*}是一严平稳零均值正相协随机变量序列,0<Eε12<∞,及σ2=Eε12+2∑∞j=2Eε1εj,0<σ2<∞,{aj;j∈}是一实数序列,并且∑∞j=0aj<∞.定义移动平均过程Xt=∑∞j=0ajεt-j,t≥1,令Sn=∑nt=1Xt,n≥1.假设对某个δ′>0有Eε12+δ′<∞,对某个ρ>0有μ(n)=O(n-ρ),给出了∑∞n=1nr/p-2P{Sn≥εn1/p},∑∞1nP{Sn≥εn1/p}当ε→0时的精确渐近性.(本文来源于《北华大学学报(自然科学版)》期刊2008年04期）
王敏会[10]（2008）在《正相协序列生成的平均移动过程的Davis大数定律的精确渐近性》一文中研究指出{εt;t∈*}是一严平稳零均值正相协随机变量序列,0<Eε12<∞,σ2=Eε12+2∑∞j=2Eε1εj,0<σ2<∞.{aj;j∈}是一实数序列,且∑∞j=0aj<∞.定义移动平均过程Xt=∑∞j=0ajεt-j,t≥1,令Sn=∑nt=1Xt,n≥1.假设对某个δ′>0有Eε12+δ′<∞,对某个ρ>0有μ(n)=O(n-ρ).给出了∑∞n=1(logn)δnP{Sn≥εnlogn}当ε→0时的精确渐近性.(本文来源于《北华大学学报(自然科学版)》期刊2008年02期）
正相协论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
作为一类常见的随机变量序列,正相协随机变量序列在可靠性理论和多元统计分析中有着广泛应用.本文的主要目的是研究一类严平稳正相协随机样本分位数的估计问题.首先,利用正相协随机序列的性质,我们获得了一个有关正相协随机变量的协方差不等式.然后,利用正相协序列的指数不等式获得了一个有关经验分布函数的不等式.最后,我们利用所得不等式,在适当的条件下,进一步讨论了样本分位数估计的强相合性,并给出了其Bahadur表示及其收敛速度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
正相协论文参考文献
[1].卢林莘.正相协样本下最近邻密度估计的收敛速度[D].广西师范大学.2016
[2].李永明,张文婷,李乃医,姚竟.正相协样本分位数估计的Bahadur表示[J].工程数学学报.2015
[3].李永明,张文婷,蔡际盼.正相协下风险度量VaR样本分位数估计的渐近性质[J].数学杂志.2016
[4].李永明,李佳.正相协随机变量列生成平均移动过程的矩完全收敛及精确渐近性(英文)[J].数学杂志.2013
[5].丁立旺.正相协样本半参数回归模型估计的相合性[D].广西师范学院.2013
[6].李佳.正相协序列下矩完全收敛及半参数回归模型估计的大样本性质[D].南昌大学.2013
[7].邓小金.正相协样本下线性模型回归系数的经验似然推断[D].广西师范大学.2013
[8].丁立旺,李永明.正相协误差半参数回归模型小波估计的强相合性[J].广西科学.2013
[9].谭希丽,王敏会,付瑶.正相协序列生成的平均移动过程的Baum-Katz大数定律的精确渐近性[J].北华大学学报(自然科学版).2008
[10].王敏会.正相协序列生成的平均移动过程的Davis大数定律的精确渐近性[J].北华大学学报(自然科学版).2008
论文知识图
