阿卜杜勒·阿尔,K.I。 概率密度递归核估计的收敛速度。 (英语) Zbl 0669.62016年 可以。J.统计。 16,第4号,399-409(1988)。 考虑了严格平稳过程单变量概率密度f(x)的第八导数(f^{(r)}(x))(r=0.1)的递推估计。对于满足各种渐近独立不相关条件的平稳随机变量三角阵列,建立了(f_n^{(r)}(x))的渐近方差协方差。 引用于1文件 MSC公司: 62G05型 非参数估计 2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型 关键词:密度估计;严格平稳过程;渐近方差-协方差;随机变量的平稳三角形阵列;渐近独立不相关条件 PDF格式BibTeX公司 XML格式引用 \textit{K.I.Abdul-Al},加拿大。J.Stat.16,No.4,399--409(1988;Zbl 0669.62016) 全文: 内政部 参考文献: [1] Abdul-Al,均匀混合条件的非参数递归估计,Arabian J.Sri.Engrg.11 pp 307–(1986) [2] Abdul-Al,均匀混合过程的密度估计,公牛。通知。网络。第79页第22页–(1986年)·Zbl 0608.62046号 [3] Abdul Al,关于平滑概率密度估计,Bull。通知。网络。23 (1989) ·Zbl 0744.62053号 [4] 巴农,扩散模型中的递归估计,SIAM J.控制优化。第19页,第676页–(1981年)·Zbl 0474.93060号 [5] Bojanic,规则变化序列的统一理论,数学。Z.134第91页–(1973)·Zbl 0256.40002号 [6] 布拉德利,概率密度某些核型估计的渐近正态性,统计量。普罗巴伯。莱特。第1页,295页–(1983年)·Zbl 0521.62032号 [7] Castellana,关于平稳过程的平滑概率密度估计,随机过程。申请。第21页179页–(1986)·Zbl 0588.62156号 [8] Davies,p.d.f序列估计的强相合性,布尔。数学。统计师。第15页49–(1973) [9] Deo,关于强混合过程的经验过程的注释,Ann.Probab。第1页870–(1973)·Zbl 0281.60034号 [10] Devroye,《关于概率密度递归核估计的逐点和积分收敛性》,《实用数学》。第15页,113页–(1979年)·Zbl 0402.62025号 [11] Geluk,J.L.和de Haan,L.(1987)。出现正则变分、扩张和Tauberian定理·Zbl 0624.26003号 [12] 伊布拉基莫夫,独立和平稳随机变量序列(1971) [13] Kolmogorov,关于平稳高斯过程的强混合条件,理论概率。申请。第5页204–(1960) [14] Loevé,概率论(1963) [15] Masry,抽样数据的概率密度估计,IEEE Trans。通知。理论IT-29第696页–(1983)·Zbl 0521.62031号 [16] Masry,弱相关平稳过程的递归概率密度估计,IEEE Trans。通知。理论IT-32第254页–(1986)·兹比尔0602.62028 [17] Prakasa Rao,非参数函数估计(1983) [18] Roussas,马尔可夫过程中的非参数估计,Ann.Inst.Statist。数学。第73页第21页–(1969年)·Zbl 0181.45804号 [19] 罗森布拉特,中心极限定理和强混合条件,Proc。美国国家科学院。科学。《美国法典》第42页第43页–(1956年)·Zbl 0070.13804号 [20] 罗森布拉特,统计推断中的非参数技术,第149页–(1970) [21] Ruschendorff,多元密度函数和模式估计的一致性,SankhyáSer。A 39第243页–(1977年) [22] Samanta,M.和Mugisha,R.X.(1981年)。基于随机观测数的概率密度函数和模式的一类估计。加尔各答统计局。公牛协会。,23-40. ·Zbl 0475.62028号 [23] Wertz,概率密度的序贯和递归估计,《统计学》16,第277页–(1985)·Zbl 0574.62080号 [24] 威瑟斯,因变量的中心极限定理,Z.Wahrsch。版本。Gebiete 57 pp 509–(1981)·Zbl 0451.60027号 [25] 大和,连续概率密度函数和模式的序贯估计,布尔。数学。统计师。第14页第1页–(1971年)·Zbl 0259.62034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。