长程相依过程精确渐近性的一般结果

设{εk,-∞k∞}为零均值的独立同分布序列,令长程相依过程∞{Xt=∑akεt-k,t≥0},其中{ak,k≥0}为满足条件ak~k-αl(k)的实数序列,1/2α1,k=0l(k)为缓变函数.利用长程相依过程的弱收敛定理和矩不等式,对边界函数和拟权函数得到了矩完全收敛性的精确渐近性的一般结果.     

ALNQD序列密度函数核估计的强相合性

设{X_n,n≥1}为一同分布的渐近线性负相依(ALNQD)序列,f_n(x)为密度函数f(x)基于样本X_1,…,X_n的核估计.在适当的假设条件下,利用ALNQD序列的矩不等式和Borel-Cantelli引理,证明核密度估计的强相合性、一致强相合性及r阶相合性.     

由鞅差序列生成的线性过程的Baum-Katz大数定律的精确渐近性

主要讨论了线性过程Xt=∑∞j=0ajεt-j,其中{εt,Ft;t∈Ζ}是均值为零,方差有限的平稳鞅差序列,aj,j∈Ζ是绝对可和的实数序列.令Sn=∑nt=1Xt,n≥1,在适当矩的条件下,利用部分和Sn的收敛性,对于1≤p2,若supj≥1Eεjδ＆lt;∞,证明了∑∞n=1nr/p-2P｜Sn｜≥εn1p,∑∞n=1n-1/P｜Sn｜≥εn1/p当ε→0时的精确渐进性.在鞅差序列的前提下,进一步推广了线性过程的Baum-Katz大数律的精确渐近性性质.     

两两NQD随机变量列所产生线性过程的完全收敛性

设{Yi;-∞0为当x→∞时的缓变函数,本文论证了{Xk;k≥1}部分和序列的完全收敛性。     

LPQD序列生成的移动平均过程的矩完全收敛性

令{Yi,-∞i∞}是一个双向无穷的LPQD随机变量序列,{ai,-∞i∞}是一个绝对可加的∞实数列且Xk=Yi+k,k≥1。在适当的条件下通过随机变量的截尾和LPQD序列的矩不等式得到了由i∑ai=-∞LPQD序列生成的移动平均过程的矩完全收敛性。     

正相协序列生成的平均移动过程的Davis大数定律的精确渐近性

{εt;t∈N*}是一严平稳零均值正相协随机变量序列,00有E|ε1|2 δ'<∞对某个ρ>0有μ(n)=0(n-ρ).给出了∞∑n=0(lognδ/nP{|Sn|≥ε√nlogn}当ε→0时的精确渐近性.     

两两NQD序列完全矩收敛的精确渐近性

设{X_n, n≥1}为同分布的两两NQD(negatively quadrant dependent)序列, 均值为0. 在适当的条件下, 利用两两NQD序列的中心极限定理和矩不等式等工具, 给出两两NQD序列部分和一般对数律下完全矩收敛精确渐近性的一般函数式.     

两两NQD序列完全矩收敛的精确渐近性

设{X_n, n≥1}为同分布的两两NQD(negatively quadrant dependent)序列, 均值为0. 在适当的条件下, 利用两两NQD序列的中心极限定理和矩不等式等工具, 给出两两NQD序列部分和一般对数律下完全矩收敛精确渐近性的一般函数式.     

正相协序列生成的平均移动过程的Baum-Katz大数定律的精确渐近性

设{εt;t ∈ N*}是一严平稳零均值正相协随机变量序列,0＜Eε21＜∞,及σ2=0＜Eε21 2∞∑j=2Eε1εj,0＜σ2＜ ∞,{aj;j ∈N}是一实数序列,并且∞∑j=0|aj|＜ ∞.义移动平均过程Xt=∞∑j=0ajεt-j,t≥1,令Sn=n∑t=1Xt,n≥1.假设对某个δ'＞0有E|ε1|2 δ' ＜ ∞,对某个ρ＞0有μ(n)=0(n-ρ),给出了∞∑n=1nr/p-2P{|Sn|≥εn1/p},∞∑n=11/nP{|Sn|≥εn1/p}当ε→0时的精确渐近性.     

PA序列Davis大数定律的精确渐近性

设{Xi;i≥1}是一严平稳零均值PA随机变量序列,EX12>0,σ2=EX12 2∑∞j=2EX1Xj,并且0<σ2<∞.令Sn=∑ni=1Xi,n≥1.利用部分和Sn的弱收敛定理,证明了当ε→0时,∑∞n=1(logn)δnP{Sn≥εnlogn}的精确渐近性成立.     

LPQD列生成线性过程部分和的精确渐近性

设{ε_t;t∈Z^{+}是一严平稳零均值的LPQD随机变量序列, 并且02₁<∞, σ2, 0<σ2<∞, {a_j; j∈N }是一实数序列, 定义线性过程X_t. 利用弱收敛定理和矩不等式, 对一般的拟权函数和边界函数, 证明了{M_n}和{S_n}的精确渐近性.}     

ρ-混合序列Jamison型加权和的强收敛性

设{Xn,n≥1}为同分布ρ-混合序列,EX1=0,{an,n≥1}为正实数序列,An=n∑k=1 ak↑∞（n→∞）,考虑Jamison型加权和Tn=1/An∑k=1 akXk,在类似Jamison等（1965）的条件下,证明了Tn的强收敛性,即Tn→0,a.s.（n→∞）,把已有的结论推广到了ρ-混合序列的情形.     

行ALNQD阵列加权和最大值的完全收敛性

利用渐近线性坐标负相依（ALNQD）序列最大值的矩不等式, 得到了行为ALNQD阵列加权和最大值的完全收敛性定理, 并利用该定理证明了ALNQD序列加权和最大值的Marcinkiewicz-Zygmund型强大数定律.     

非负ρ-混合随机变量的逆矩

在一阶矩有限的条件下获得了非负同分布ρ-混合随机变量序列部分和的逆矩的渐进逼近,部分推广了已有的结果,即设{Zn,n≥1}是非负同分布的ρ-混合随机变量序列,对任意n≥1,Xn=n∑k=1 Zk.如果0＜EZj＜∞,则对任意a＞0,α＞0,E(a+Xn)α～(a+EXn)-α成立.     

由AANA序列生成线性过程的中心极限定理

考虑线性过程■,其中{Xn,n≥1}是均值为零且方差有限的渐近几乎负相依(AANA)随k=-∞∞∞n机变量序列,{a_k,k∈Z}是一实数列,满足■,在适当的假设下,利用AANA序列的矩不等式及线性过程{Y_t≥1}的收的收敛性,给出AANA序列生成线性过程的中心极限定理.     

ρ~-混合序列完全矩收敛的精确渐近性

设{X_n,n≥1}是一列严平稳的ρ~-混合随机变量序列,利用ρ~-混合随机变量序列的中心极限定理和矩不等式等,在适当的条件下给出ρ~-混合随机变量序列部分和在一般对数律下的完全矩收敛精确渐近性的一般函数式.     

ANA随机变量序列重对数矩收敛的精确渐近性

设{X_n,n≥1}为一列严平稳的ANA随机变量序列,利用ANA随机变量序列的中心极限定理和矩不等式,在适当的条件下给出了ANA随机变量序列重对数矩收敛的精确渐近性.     

鞅差序列重对数律的精确渐进性

设{Xn;n≥1}为均值为零,方差有限的同分布鞅差序列.记Sn=∑nk=1Xk,Mn=max k≤n|Sk|,n≥1.假设σ2=EX12.本文讨论了,当ε→0时,P(Mn≥εσ2nloglogn~(1/2))的一类加权级数的精确渐近性质.这些性质与重对数律的速度有关.     

m-相依随机变量序列的中心极限定理及逼近速度

令m-相依的随机变量{X_k,k≥1}是一同分布且平稳的序列且存在随机数列{N_n,n≥1}与序列{X_k,k≥1}独立,关于该序列的部分和为■.则在N_n的某些假设条件下可得到随机变量X_k的部分和序列{S_(N_n),n≥1}的极限分布,以及其与标准正态分布逼近速度的估计.     

ρ~--混合序列部分和之和乘积的几乎处处中心极限定理

设{X,Xn}n∈N为一严平稳的ρ--混合随机变量序列,利用混合序列加权和的中心极限定理及矩不等式,获得了权重为dk=k-1exp{logαk}(0≤α1/2)的ρ--混合序列部分和之和乘积的几乎处处中心极限定理.