摘要: 本文考虑截尾数据情况下非参数回归函数m（x）=E（Y|x）的估计。具体地讲,我们面对的是这样的数学模型:T是与（X,Y）独立的随机变量,我们观测到的不是Y本身,而是Z=min（Y,T）及δ=YT。今有训练样本（X_i,Z_i,δ_i）_i-1及当前样本（X,z,δ）,记\xi_i(\cdot)=\leftz_i \geqslant \cdot\right, \quad N^+(\cdot)=\sum_i=1^n \xi_i(\cdot), V_n(\cdot)=\prod_i=1^n\left\\frac1+N^+\left(z_i\right)2+N^+\left(z_i\right)\right\^\left\delta_i=0 z_i<0\right, \quad U_n(\cdot)=\sum_i=1^n W_n i(x) \xi_i(\cdot), 令m_n(x)=\int_0^n_n U_n(y) \mid V_n(y) d y, 其中u_n=F₂^-1(n^-a),0<α<1/2为一实常数,F₂（·）=P（Y≥·）为Y的（右侧）分布函数。在权函数W_ni（x）_i=1ⁿ及（X,Y,T）的分布函数满足一组条件下,我们证明了m_n（x）为m（x）的强相合估计,即:m_n（x）→m（x）,a.s.（n→+∞）.