陳 佳
(四川文理學院 數(shù)學學院,四川 達州 635000)
設{(Xi,Yi),i=1,2,…,n}是定義在概率空間(Ω,F,P)上的同分布隨機變量,其密度函數(shù)為:
(1)
x∈[0,1]d
(2)
tτx=(tτ1x1,…,tτdxd);tτc=(tc)τ
定義指標集:
定義:
(3)
(4)
構成L2(Rd)的一組標準各向異性小波正交基,因此對任意的f∈L2(Rd)
(5)
(i)f∈Lp(Rd),
備注1:此定理蘊含著
(6)
假設回歸函數(shù)r(x)屬于H>0的Besov球,即
對模型給出一些假設,構造小波估計器,給出樣本強混的定義。
定義2[12]:設{Xi,i∈Z}是嚴平穩(wěn)的隨機向量序列
對模型給出一些假設:
H1:存在常數(shù)c1>0,使得infh(x)≥c1,x∈[0,1]d
H2:ρ滿足ρ∈L(Rd)∩L∞(Rd)。
H3:對任意(x,y)∈[0,1]d×R,存在常數(shù)0 H4:序列{(Xi,Yi),i=1,…,n}的強混系數(shù)滿足α(k)≤λe-c4k,其中λ>0,c4>0。 H5:設f(X1,Y1,Xk+1,Yk+1)為(X1,Y1,Xk+1,Yk+1)(k≥1)的密度函數(shù),f(X1,Y1)為(X1,Y1)的密度函數(shù),存在常數(shù)c5>0,使得?(x,y,x′,y′)∈[0,1]d×R×[0,1]d×R。 其中,hk(x,y,x′,y′)=f(X1,Y1,Xk+1,Yk+1)(x,y,x′,y′)-f(X1,Y1)(x,y)f(X1,Y1)(x′,y′)。 給出回歸函數(shù)r(x)的小波估計量: (7) 其中: (8) (9) 由H1~H3可知定義是明確的,此估計量是r(x)的一個無偏估計,從引理2可得到證實。 =αjτ;k 另一方面: Φjτ;k(x)f(x,y)dxdy=αjτ;k 為證明主要結論,還需引用以下引理,其詳細證明可參考文獻[10]。 主要結果及相應證明如下: 證明:易知 (10) 只需估計式右側的隨機項和偏差項,先估計偏差項,利用Holder不等式和(θ)條: 根據(jù)式(6),當n→∞時,j→∞,則: (11) 根據(jù)Φjτ;k的緊支性和(θ)條件可得: 注意到|Λjτ|~2|jτ|,利用引理5可得: (12) 結合定理得證。 備注2:從定理的結論可以看到,當1≤p≤2空間為各向同性時(即s1=s2=…=sd=s),則s(d)=s與各向同性空間中的結果一致[7]。 小波獨特的局部時頻分析功能能夠描述各向異性的Besov空間。小波方法被廣泛應用于回歸函數(shù)的估計問題,針對強混條件下帶噪聲各向異性回歸估計模型,在各向異性Besov空間中構造了線性小波估計器,討論估計器在Lp(1≤p<∞)風險意義下的相合性,為各向異性Besov空間研究回歸函數(shù)的估計提供了理論指導。3 主要結果
4 結束語