函数自回归模型中的弱收敛

函数自回归模型是为函数型数据量身定制的马尔可夫模型。在尝试对相依随机曲线样本建模时，它已被证明十分有效，并在过去几年中得到广泛研究。本文旨在通过处理函数自回归模型估计量弱收敛这一关键问题，来完善该模型的理论研究。主要困难源于一个潜在的逆问题以及数据之间的相依性。非参数模型中关于弱收敛的传统事实随之显现：归一化序列为 o($\sqrt{n}$)，并出现偏倚项。本文还指出了函数型框架的若干原创性特征。