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.     

若干随机变量序列的大偏差估计

利用Markov不等式和Cr-不等式,研究了在条件||Xi||=(.E |Xi|p)1/p≤M＜∞下的线性负象限相依(LN-QD)序列,α混合序列,p混合序列的大偏差估计.     

NOD序列部分和的大偏差

研究了NOD随机变量部分和的大偏差,其中S(n)=∑Xi,{Xn,n≥1} from (i=1 to n)是一个NOD序列,对任意的n≥1,Xn的分布记为Fn,其均值为μn=EXn<∞.在假定F∈D的条件下,给出了F∈D上NOD序列部分和的大偏差结果.     

关于任意同分布随机变量序列最大值不等式及应用

设{X,Xn,n≥1}是同分布的随机变量序列(不必独立),记部分和Sn=∑ni=1Xi,n≥1。获得了max1≤k≤n︱Sk︱/n1/p的尾概率的一个上界,其中0p1。作为一个应用,给出了正则和极大值函数sup n≥1︱Sk︱/n1/p的r(r0)阶矩存在的充分条件,推广了独立情形相应的结果。     

几类随机变量序列的大偏差估计

设{X_n,n≥1}是定义在概率空间(Ω,F,P)上的随机变量序列,{S_n,n≥1}是{X_n,n≥1}的部分和序列,给出了鞅差序列、φ-混合序列、p阶M-Z型随机变量序列的部分和序列以及NOD序列的部分和序列在条件■下的大偏差估计.     

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.     

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.     

φ混合过程的强大数定律

研究φ混合随机变量序列{Xn}的强大数定律.在∑∞n=1φ(1)/(2)(n)＜+∞以及P(|Xn|＞x)≤P(|X|≥x),x≥an的条件下,对{xn}在n处截尾得到{X*n}.通过对{X*n}的部分和上、下界的估计,我们证明了(1)/(n)∑nk=1(X*k-EX*k)a.e.0(n→+∞),进而证明(1)/(n)∑nk=1(Xk-EXk)a.e.0(n→∞).     

一类相依时序的两个重要分布

{Xi,i≥1}为平稳标准化正态时间序列,相关系数ρn=Cov(X,Xi+n).文章在经典相依条件ρnlogn →ρ∈(0,∞)（n→∞）下,得到了该时序的最大值和次最大值、次最大值和位置的两个分布.从结果可以发现,此时的次最大值和位置不是渐近独立.这些结果是经典极值理论定理1、定理2的强相依情形的推广,对相依时序的统...     

PA序列部分和之和的弱大数定律

研究PA随机变量序列部分和之和Tn=(n∑i=1Si)其中(Sn=(n∑i=1)Xi)的弱大数定律,将PA随机变量序列“部分和”的弱大数定律推广到了“部分和之和”的情形(包括同分布和不同分布的情形).     

截断和乘积的不变原理

设{Xn,n≥1}为独立同分布的正平方可积随机变量
序列, 其共同分布为连续的中尾分布. 对于固定的常数a>0, 令Sn=∑〖DD(〗n〖〗i=1
〖DD)〗Xi, Mn=max〖DD(〗〖〗1≤i≤n〖DD)〗 Xi, Sn(a)=∑〖DD(〗n
〖〗i=1〖DD)〗XiI{Mn-a 定理和连续映射定理证明了截断和乘积的不变原理.     

ρ-混合序列部分和之和乘积的渐近分布

设{Xn,n≥1}为一严平稳ρ 混合的正的随机变量
序列, 满足EX1=μ>0, Var X1=σ2<∞. 记Sn=∑〖DD(〗n〖〗i=1〖DD)〗X
i, Tn=∑〖DD(〗n〖〗i=1〖DD)〗Si, γ=σ/μ. 利用ρ 混合序列的强极限定理
, 在较弱的条件下证明了〖JB((〗∏〖DD(〗n〖〗k=1〖DD)〗〖SX(〗2Tk〖〗k(k+1)
μ〖SX)〗〖JB))〗1/(γσ1〖KF(〗n〖KF)〗)〖FY(〗d〖FY)〗e〖K
F(〗10/3〖KF)〗N(n→∞),
其中: σ21=1+〖SX(〗2〖〗σ2〖SX)〗∑〖DD(〗∞〖〗j=2〖DD)〗Cov(X1,X
j)>0; N为标准正态随机变量.     

On the Limiting Behavior of Weighted Partial Sums for B Valued Martingale Difference Sequences

Let {Xn, n≥1} be a martingale difference sequence and {ank,1≤k≤n, n≥1} an array of constant real numbers. The limiting behavior of weighted partial sums ∑nk=1ankXk is investigated and some new results are obtained.     

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.     

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.     

混合序列密度函数核估计的相合性

设{X_n,n≥1}是一随机变量序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了ρ-混合和φ混合序列核密度估计的强相合性、r阶相合性.     

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.     

■混合随机变量列L_p收敛性

设{Xn;n≥1}是ρ珓混合随机变量序列,{an,k;1≤k≤n}是实数阵列,利用矩不等式和截尾方法,研究n∑k=1 an,kXk的Lp收敛性,所获的结论推广和改进了前人的相关结果.     

二项式系数的均值不等式

本文得到二项式系数的算术与几何平均值不等式以及广义积分插入。(1)Gn+1≤{P∫∞0[∏nk=0(x+nk)qk]-p-1dx}-1/p≤An+1;(2)e≤limn→∞{P∫∞0[∏nk=0(x+nk)]-(p+1)/n+1dx}-1/p≤2;(3)Gn+1≤J(a,q,p)≤J(a,q,p,l,λ)≤An+1在此,J(a,q,p)={P∫∞0[∏nk=0(x+nk)qk]-p-1dx}-1/p;J(a,q,p,l,λ)={P∫∞0λ-1[∏nk=0(l+λ(x+nk))qk-l]-P-1dx}-1/p