×

一类随机变量加权和的弱收敛性及相关统计应用。 (英语) Zbl 1520.60016号

摘要:本文研究了一类满足Rosenthal型不等式的随机变量加权和的弱大数定律的弱收敛性和收敛速度。在一些温和的条件下,给出了弱大数定律收敛速度的充要条件。此外,我们建立的主要结果应用于简单的线性误差-变量回归模型和基于一类随机误差的非参数回归模型。最后,我们给出了一些数值模拟来评估理论结果的有限样本性能。

MSC公司:

60F05型 中心极限和其他弱定理
2012年12月62日 参数估计量的渐近性质
6220国集团 非参数推理的渐近性质
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Feller,W.,《概率论及其应用导论》(1971年),纽约:威利出版社·Zbl 0155.23101号
[2] 迪欧,CM;Truax,DR.,《弱定律的注释》,《数学统计年鉴》,39,6,2159-2160(1968)·Zbl 0185.46401号 ·doi:10.1214/aoms/1177698050
[3] 鲍姆,LE;Katz,M.,《大数定律中的收敛速度》,《跨美洲数学学会》,第120、1、108-123页(1965年)·Zbl 0142.14802号 ·doi:10.1090/tran/1965-120-01
[4] 弗吉尼亚州克鲁格洛夫。,弱大数定律的推广,Stoch Ana Appl,29,4,674-683(2011)·Zbl 1246.60037号 ·doi:10.1080/07362994.2011.581099
[5] Naderi,H。;Salehi,SM公司;Matula,P.,关于负超可加相依随机变量和的弱大数定律,C R Math,357,1,13-21(2020)·Zbl 1472.60048号 ·doi:10.5802/CRMATH.7
[6] MY张;陈,PY;Sung,SH.,i.i.d.随机变量加权和的弱大数定律中的收敛速度及其在误差-变量模型中的应用,Stoch Dyn,19(2019)·Zbl 1436.62071号 ·doi:10.1142/s0219493719500412
[7] 张,L。;齐,JB;Yang,HR,负相关随机变量加权和的弱收敛性及其在非参数回归模型中的应用,Commun Stat Simul Compute,51,10,5876-5896(2020)·Zbl 07603848号 ·doi:10.1080/03610918.2020.1784431
[8] 惠普罗森塔尔。,关于由独立随机变量序列跨越的L_p(p>2)的子空间,Isr J Math,8,3273-303(1970)·Zbl 0213.19303号 ·doi:10.1007/BF02771562
[9] 邵,QM。,负相关随机变量和独立随机变量之间力矩不等式的比较定理,J Theor Probab,13,2,343-356(2000)·Zbl 0971.60015号 ·doi:10.1023/A:1007849609234
[10] 乌特夫,S。;Peligra,DM,一类弱相依随机变量的极大不等式和不变性原理,J Theor Probab,16,1,101-115(2003)·Zbl 1012.60022号 ·doi:10.1023/A:1022278404634
[11] 北阿萨迪安。;Bozorgnia,A.,负相关随机变量的Rosenthal型不等式,伊朗统计学会杂志,5,69-75(2006)·Zbl 1490.60044号
[12] 王,JF;卢,FB。,一类弱相依随机变量的最大部分和不等式与弱收敛,《数学学报》,22,3,693-700(2006)·Zbl 1102.60023号 ·doi:10.1007/s10114-005-0601-x
[13] 元,马克;An,J.,Rosenthal型渐近几乎负相关随机变量不等式及其应用,科学与中国服务数学,52,9,1887-1904(2009)·Zbl 1184.62099号 ·doi:10.1007/s11425-009-0154-z
[14] Wang,许继;胡,SH;Yang,WZ,关于φ-混合随机变量加权和的完全收敛性,J不等式应用,2010(2010)·Zbl 1208.60031号 ·doi:10.1155/2010/372390
[15] Wu,Y。;王,XJ;Shen,AT.,m渐近负相关随机变量加权和的强收敛性及其统计应用,Stat Pap,62,2169-2194(2021)·Zbl 1479.60066号 ·doi:10.1007/s00362-020-01179-z
[16] Deaton,A.,《横截面时间序列的面板数据》,《经济杂志》,第30期,第109-126页(1985年)·Zbl 0584.62193号 ·doi:10.1016/0304-4076(85)90134-4
[17] Fuller,W.,《测量误差模型》(1987),纽约:威利出版社,纽约·Zbl 0800.62413号
[18] 彼得鲁切利,法学博士。,关于阈值AR(1)模型的最小二乘估计的一致性,J Time-Ser Anal,7,4269-278(1986)·Zbl 0601.62110号 ·doi:10.1111/j.1467-9892.1986.tb00494.x
[19] 刘杰。;Chen,X.,简单线性EV回归模型中LS估计的一致性,《数学科学学报》,25,50-58(2005)·Zbl 1059.62072号 ·doi:10.1016/S0252-9602(17)30260-6
[20] JH Yoon;Kim,香港;Choi,SH.,模糊回归模型中最小二乘估计的渐近一致性,韩国统计学会,15,6,799-813(2008)·doi:10.5351/CKSS.2008.15.6.799
[21] 苗,Y。;王凯。;Zhao,F.,简单线性EV回归模型中LS估计的一些极限行为,Stat Probab Lett,81,92-102(2011)·Zbl 1456.62040号 ·doi:10.1016/j.spl.2010.09.023
[22] 胡,D。;陈,P。;Sung,SH.,ψ-混合随机变量加权和的强律及其在误差-变量回归模型中的应用,TEST,26,600-617(2017)·Zbl 1370.60053号 ·doi:10.1007/s11749-017-0526-6
[23] 康拉德,FC。,相依误差EV回归模型中LS估计量的渐近性,Filomat,31,15,4845-4856(2017)·Zbl 1499.62100号 ·doi:10.2298/FIL1715845F
[24] 王,XJ;Wu,Y。;Hu,SH.,负超相加相依误差EV回归模型中LS估计的强相合性和弱相合性,AStA-Adv Stat Anal,102,41-65(2018)·兹比尔1421.62023 ·doi:10.1007/s10182-016-0286-8
[25] Wu,Y。;王,X。;Hu,S.,一类随机变量的强大数定律的加权版本及其应用,TEST,27,2,379-406(2018)·Zbl 1402.60037号 ·doi:10.1007/s11749-017-0550-6
[26] 陈,PY;Wen,L。;Sung,SH.,简单线性EV回归模型中最小二乘估计的强相合性和弱相合性,J Stat Plan推断,205,64-73(2020)·Zbl 1437.62103号 ·doi:10.1016/j.jspi.2019.06.004
[27] 刘,XD;李,XL;江,WD,简单线性EV回归模型中LS估计的强相合性,数学不等式,14,3,771-779(2020)·Zbl 1455.62058号 ·doi:10.7153/jmi-2020-14-49
[28] Joag-Dev,K。;Proschan,F.,《随机变量与应用的负相关》,《Ann Stat》,第11期,第286-295页(1983年)·Zbl 0508.62041号 ·doi:10.1214/aos/1176346079
[29] 卢,C。;陈,Z。;XJ.王。,广义相关随机变量的完全f矩收敛及其在非参数模型中的应用,《数学学报》,351917-1936(2019)·1428.60050兹罗提 ·doi:10.1007/s10114-019-8315-7
[30] 沈,AT;Zhang,Y。;Xiao,BQ,m-负相关随机变量的矩不等式及其应用,Stat Pap,58911-928(2017)·Zbl 1387.60058号 ·doi:10.1007/s00362-015-0731-x
[31] 阿德勒。;Rosalsky,A.,随机支配随机变量加权和的一些一般强定律,Stoch Ana Appl,5,1,1-16(1987)·Zbl 0617.60028号 ·网址:10.1080/07362998708809104
[32] 阿德勒。;罗莎尔斯基,A。;Taylor,RL.,赋范线性空间中随机元加权和的强大数定律,国际数学科学杂志,12,3,507-530(1989)·Zbl 0679.60009号 ·doi:10.1155/S0161171289000657
[33] Yi,Y。;陈,PY;Sung,SH.,满足广义rosenthal型不等式的随机变量加权和的强定律,J不等式应用,2020(2020)·Zbl 1503.60040号 ·doi:10.1186/s13660-020-02311-1
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。