Kim，Tae Yoon先生;罗志明 实时随机变量非参数估计的中心极限定理。 （英语） Zbl 1226.60033号 J.时间序列。分析。 31，第5期，337-347（2010）. 摘要：研究了非参数方法应用于实时数据时的渐近理论。特别地，我们导出了非参数密度和回归估计的中心极限定理。为此，我们正式引入了一系列实时随机变量，这些变量由与时域精细网格化（或精细离散化）相关的参数索引。我们的结果表明，在密度估计情况下，精细网格的影响更大，因为精细网格的强依赖性严重影响非参数密度估计的主要强度（或其数据自适应特性）。此外，我们还讨论了时域精细网格化的非参数回归模型的一些问题。 引用于1文件 MSC公司： 60F05型 中心极限和其他弱定理 62G07年 密度估算 2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型 关键词：中心极限定理;实时随机变量;非参数估计量 PDF格式BibTeX公司 XML格式引用 \textit{T.Y.Kim}和\textit{Z.-M.Luo}，J.Time-Ser。分析。31，第5号，337--347（2010；Zbl 1226.60033） 全文： 内政部 参考文献： [1] Cressie，空间数据统计（1993） [2] Cörgó，长程相关下的密度估计，《统计年鉴》第23卷第990页–（1995a） [3] Cörgó，长程相关正态误差下的非参数回归，《统计年鉴》第23卷，第1000页–（1995b） [4] Hall，长程相关非参数回归，随机过程及其应用36 pp 339–（1990）·Zbl 0713.62048号 [5] 霍尔，《关于依赖数据密度估计的带宽选择》，《统计年鉴》第23卷第2241页–（1995年）·Zbl 0854.62039号 [6] Härdle，自动选择回归平滑参数与其最佳值相差多远？，美国统计协会杂志83第86页–（1988）·Zbl 0644.62048号 [7] Ho，关于长相关序列密度估计中的中心和非中心极限定理，随机过程及其应用63 pp 153–（1996）·Zbl 0902.62046号 [8] Kim，强混合过程的核密度估计，《统计规划与推断杂志》133页273–（2005）·Zbl 1089.62036号 [9] Kim，相关错误的非参数检测，Biometrika 91 pp 491–（2004）·Zbl 1079.62044号 [10] Kim，Nadaraya-Watson回归估计器的大带宽渐近性，《韩国统计学会杂志》37页313–（2008）·兹比尔1293.62192 [11] Kim，使用双峰核进行相关误差的非参数回归推断，《多元分析杂志》100页1487–（2009）·Zbl 1162.62033号 [12] Lahiri，关于空间数据填充渐近估计的不一致性，Sankhya Series A 58 pp 403–（1996）·Zbl 0885.62112号 [13] Lahiri，随机和固定设计下空间过程加权和的中心极限定理，Sankhya Series a 65 pp 356–（2003）·Zbl 1192.60054号 [14] 罗宾逊，时间序列的非参数估计，《时间序列分析杂志》，第4页，185–（1983）·Zbl 0544.62082号 [15] Roussas，随机变量混合序列的矩不等式，随机分析与应用5 pp 61–（1987）·Zbl 0619.60022号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。