φ混合序列自正则加权和的中心极限定理

设{Xn, n≥1}为一严平稳φ混合随机变量序列, EX=0, V 2n=∑ni=1X2i, {an,i, 1≤i≤n, n≥1}为一实数阵列, Sn=∑ni=1an,iXi. 利用随机变量阵列的弱收敛定理, 在较一般的条件下, 证明了自正则加权和{Sn/Vn, n≥1}的中心极限定理, 改进并推广了已有混合序列自正则化中心极限定理的相关结果.     

一类鞅差序列加权和的Baum-Katz大数定律的精确渐近性

设{(ξ1,ζ1),1≤i＜∞)为适应的鞅差序列,{Cnk:1≤k≤n}为双下标常数列,文章获得了一类鞅差序列加权和Sn=n∑k=1Cnk(ξ)k的Baum-Katz大数定律的精确渐近,给出了∑n≥＞1nr/p-2P(|Sn|≥∈n1/p),∑n≥11/P(|Sn|≥∈n1/p)当∈→0时的精确渐近性.     

M-Z型序列的最大值不等式和大偏差定理

设{Xn,n≥1}为p阶M-Z型序列,Sn(a)=∑i=a+1 a+n Xi,n≥1,a≥0且Xi∈Lp,i≥1.讨论了M-Z型序列的最大值不等式和大偏差定理,得到了p≥2情形下的估计μ(|Sn(a)|>n)≤cn-p/2以及p∈(1,2]情形下的估计μ(|Sn(a)|>n)≤cn1-p.最后给出了M-Z型序列部分和的最大值序列m ax1≤k≤nSk(a)和混合序列部分和Sn(a)的大偏差定理.     

AANA随机变量的完全收敛性

设X{n,n≥1}为被随机变量X随机控制的AANA(asymptotically almost negatively associated)随机变量序列,a{n,n≥1}是正常数列.在适当的矩条件下,研究了AANA随机变量加权和max1≤k≤n a-1n∑k i=1Xi的完全收敛性.作为该结果的应用,得到了一些关于AANA随机变量序列完全收敛性的新结果.     

NSD随机阵列加权和最大值的收敛性

利用负超可加相依(NSD)随机阵列的Rosenthal型矩不等式和截尾方法, 在随机阵列{X_nk, 1≤k≤k_n, n≥1}关于{a_nk, 1≤k≤k_n, n≥1}一致可积的条件下, 讨论NSD随机阵列加权和最大值的弱收敛、 L^r收敛和完全收敛性.     

加权和的重对数律

设{Xn;n≥1}是独立同分布的且服从标准正态分布的随机变量序列,{Sn,n≥1}是其部分和数列,本文讨论了它的特殊的有限加权部分和数列{ Sn,n≥1}的重对数律,其中 Sn=α1Sn+α2(S2n-Sn)+α3(S3n-S2n)+…+αd(Sdn-S(d-1)n),把Hartman-Wintner重对数律推广到对特殊加权部分和也成立.     

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.     

渐近非扩张映象的粘性逼近序列的强收敛定理

假设E是具有一致Gateaux可微范数的实Banach空间,D是E的非空闭凸子集,f∶D→D是压缩映象,T∶D→D是渐近非扩张映象。设粘性逼近序列{xn}定义为xn 1=αnf(yn) (1-αn)Tnyn,yn=βnxn (1-βn)Tnxn(n≥0),其中αn∈[0,1],βn∈[0,1]。本文给出了{xn}强收敛于T的不动点的充要条件:若{αn}满足如下条件:limn→∞αn=0,∑∞n=0αn=∞,定义一簇压缩映象Sn∶D→D为Sn(z)=(1-dn)f(z) dnTnz,z∈D,其中dn=ktnn--αα,tn∈(α,1)(n=1,2,…),limn→∞tn=1且k2n-1≤(1-dn)2,n≥n0,设zn∈D是Sn的唯一不动点,即zn=Sn(zn)=(1-dn)f(zn) dnTnzn,n≥1,若limn→∞‖xn-Txn‖=0且{zn}强收敛于z*∈F(T),则{xn}强收敛于z*∈F(T)的充分必要条件是{yn}有界。本文的结果不仅是对Reich公开问题的解答,而且是对Reich[1-2]、Shioji和Takahashi[3]、张石生[4]相应结果的推广。     

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.     

B值m相依随机元序列的完全收敛性

设{Xn;n≥1}是均值为零的B值m相依随机元序列,X1∈CL(B),对于1≤t<2,r>1有E‖X1‖rt< ∞,记Sn=∑ni=1Xi.利用构造法证明了{Xn;n≥1}的完全收敛性.     

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.     

双曲空间中俩有限簇全渐近非扩张映象的混合型迭代

在Hyperbolic空间中,讨论关于一有限簇全渐近非扩张映象与另一有限簇全渐近非扩张非自映象公共不动点的问题,引入了一个混合型迭代序列{x1∈Kxn+1=W(Sn ixn,Ti(PT)n-1 iyn,αn),i=1,2,…,ky n=W(Sn jxn,Tj(PTj)n-1 xn,βn),j=1,2,…,k,i≠j,∨n≥1,并在适当的条件下证明了Δ-收敛定理及混合型迭代序列{xn}Δ-收敛于F的一公共不动点。     

独立随机变量偶次幂之和的极限定理

设{Xi}为相互独立的随机变量序列，研究了更一般的Sn(k)=∑i=1 n Xi^k,(k≥2的偶数)的极限定理，并且推广了文[1]的结论．     

非负WOD随机变量的第k小矩不等式

设{x_n,n≥1}为正数序列,{ξ_n,n≥1}为非负的WOD随机变量序列,其分布满足适当的条件.首先利用WOD随机变量的定义建立最小值min1≤i≤nx_iξ_i的一个指数不等式.利用此指数不等式,进一步研究非负WOD随机变量的第k小(E(k-min1≤i≤n|x_iξ_i|~p))~(1/p)的矩不等式,其中p0,k=1,2,…,n.本文中所得结果推广独立变量和NOD变量的相应结果.     

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.     

PA样本回归函数估计的强相合性

针对非参数回归模型Y1=g(x1)+ε1,1≤i≤n,在{εi,1≤i≤n}为一致可积的平稳PA相依序列条件下,得到未知函数g(x)的权函数估计gn(x)=nΣi=1wni(x)Yi的强相合性.     

NA样本回归函数估计的强相合性

在非参数回归模型Yi=g(xi)+εi,1≤i≤n中,研究了当{εi,1≤i≤n}为一致可积的平稳NA相依序列时,未知函数g(x)的权函数估计gn(x)=∑ni=1wni(x)Yi的强相合性。     

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.     

独立情形下一阶矩收敛的精确渐近性的注记

假设{X,X i,i≥1}为独立同分布的随机变量序列,记S n=∑n i=1X i.N为标准正态随机变量,利用独立随机变量和的弱收敛定理和尾概率不等式,在拟权函数和边界函数满足适当的条件下,证明了limε→0ε1/s-1∑∞n=n0ψ(n)E{Sn/n-(1/2)-εσgs(n)}+=sσ1-s E N1/s成立的充要条件是EX=0和EX2=σ2.     

双下标相依随机变量和的重对数律

设 {a_(ni):n≥1,-∞相似文献