END随机变量加权和的最大值序列的完全收敛性

众所周知,END随机变量是一类包含独立变量、NA变量以及NOD变量在内的非常广泛的相依变量.在适当的权系数和矩条件下,我们研究了END随机变量加权和的最大值序列的完全收敛性.作为应用,得到END随机变量加权和的强大数定律.所得结果推广NA变量和NOD变量的相应结果.     

次线性期望下m-END序列加权和的几乎处处收敛性

利用Rosenthal不等式,讨论条件为■,■的次线性期望下m-END(m-extended negatively dependent)随机变量序列加权和的几乎处处收敛性.将经典概率空间中END序列加权和的几乎处处收敛性推广到次线性期望下m-END随机变量序列加权和的几乎处处收敛性.     

次线性期望空间下END列Jamison型加权和的几乎处处收敛性

利用截尾的方法,考虑次线性期望空间下广义负相依(END)随机变量序列Jamison型加权和的几乎处处收敛问题,得到了次线性期望空间下END随机变量序列Jamison型加权和的几乎处处收敛性.将概率空间下END随机变量序列Jamison型加权和的几乎处处收敛拓展到了次线性期望空间下,推广了Jamison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随机变量加权和的强收敛性及应用

文章主要研究负超可加相依(negatively superadditive dependent,NSD)随机变量序列的强收敛性。利用NSD随机变量序列的Rosenthal型极大值不等式建立了NSD随机变量序列加权和的完全收敛性,并且在同样的条件下得到了较完全收敛性更强的完全矩收敛性的结果,所得结果推广并改进了负相协(negatively associated,NA)序列相应的结果。作为主要结果的应用,该文进一步得到了关于NSD随机变量加权和的强大数律并给出了数值模拟。     

φ-混合随机变量序列加权和的完全收敛性及完全矩收敛性

【目的】对φ-混合随机变量序列的完全收敛性和完全矩收敛性进行讨论。【方法】利用φ-混合随机变量序列的Rosenthal型极大值不等式。【结果】建立了φ-混合随机变量序列加权和的完全收敛性,并且在同样的条件下得到了φ-混合序列的完全矩收敛性。【结论】所得结果推广并改进了已有文献中关于NA序列相应的结果。     

次线性期望空间下END列加权和的几乎处处收敛性

利用与概率空间不同的研究方法, 在Choquet积分存在的条件下, 研究次线性期望空间中广义负相依（END）随机变量序列加权和的几乎处处收敛性, 得到了几乎处处收敛性定理, 从而把该定理从传统概率空间扩展到次线性期望空间.     

次线性期望空间下Marcinkiewicz型加权和的完全收敛性（英文）

研究了满足矩条件为E(|X|β)∞,β=max(α,γ),其中0α≤2,γ0且α≠γ情形下的次线性期望空间中END序列加权和的完全收敛性.对前人工作的相应结果进行了改进,并将其推广到了次线性期望空间下END序列加权和的情形.     

m-END误差下回归模型加权估计的相合性

m-END随机变量是一类很弱的负相依随机变量,它包含了NA随机变量、NOD随机变量和END随机变量。本文基于误差为m-END序列,研究非参数回归模型未知参数的加权估计,获得了加权估计的收敛性,包括矩相合性收敛速度和完全相合性收敛速度。作为应用,给出非参数回归模型未知参数近邻权估计的矩相合性收敛速度和完全相合性收敛速度。     

END随机变量加权和的强极限定理

END(extended negatively dependent)序列是一类非常宽泛的随机变量序列,它包括独立随机变量序列、NA(negatively associated)序列、NOD(negatively orthant dependent)序列等.利用END随机变量序列的Rosenthal型矩不等式,研究了END随机变量加权和的强极限定理,所得结果推广了独立变量和若干相依变量的相应结果.     

NOD序列加权和的完全收敛性

NOD随机变量是一类包含NA随机变量的更为广泛的随机变量类.本文主要研究了NOD序列加权和的完全收敛性,证明了一般双下标加权系数的加权部分和的完全收敛性.     

AANA序列加权和的完全收敛性和矩完全收敛性

研究AANA随机变量序列加权和的完全收敛性和矩完全收敛性,利用AANA序列的Rosenthal型不等式,得到了AANA序列加权和的矩完全收敛性及完全收敛性的若干充分条件和必要条件.     

φ混合序列的完全矩收敛性

主要利用φ混合序列的矩不等式和随机变量的截尾技术,在适当的矩条件下,研究了φ混合序列的完全矩收敛性。本文的结果推广了独立序列和已有文献关于φ混合序列的相应结果,同时也将φ混合序列的完全收敛性改进到完全矩收敛性。     

NOD随机变量序列加权和的矩完全收敛性

在分析NOD随机变量序列加权和的矩完全收敛性的基础上,利用一些矩不等式及截尾等处理方法,将矩条件推广到更具一般化的情况,并由此证明NOD随机变量序列加权和的矩完全收敛性的充分性,同时深化和推广了一些现有文献的结论。     

(ψ)-混合序列加权乘积和的完全收敛性

讨论了(ψ)-混合序列加权乘积和的完全收敛性,将NQD随机变量序列加权乘积和的完全收敛性推广到了(ψ)-混合序列的情形.     

NA随机变量序列加权和的完全收敛性

利用截尾法和矩不等式,证明一般情况下NA随机变量序列加权和的完全收敛性,推广独立随机序列加权和的完全收敛性.     

随机变量阵列加权和的r阶矩完全收敛性

独立同分布变量序列和相依变量序列的收敛性质研究一直是概率极限理论的研究热点。本文研究了随机变量阵列加权和的r阶矩完全收敛性。利用Marcinkiewicz-Zygmund不等式或Rosenthal型不等式和截尾法，获得了随机变量阵列加权和的r阶矩完全收敛的一般条件。同时，结合这些一般条件推广和改进了独立同分布或相依随机变量序列矩完全收敛性的相关成果。     

行为ND随机变量阵列加权和的完全收敛性

在非同分布的情况下, 给出了行为ND随机变量阵列加权和的完全收敛性的充分条件, 所得结果部分地推广了独立随机变量和NA随机变量的相应结果. 作为其应用, 获得了 ND随机变量序列加权和的Marcinkiewicz-Zygmund型强大数定律.     

END序列的完全收敛性:任意阶矩存在的情形

对随机变量部分和的尾概率估计问题一直是概率论与数理统计中一个重要课题。在任意阶矩存在但矩母函数不存在条件下,利用截尾技术及指数不等式,获得了同分布END序列的完全收敛性,推广并改进了Gut和Stadtmuller得到的有关结果。     

NA序列和的若干收敛性

利用NA序列的一个矩不等式,讨论了不同分布的NA随机变量序列加权和的完全收敛性,得到了更为一般的完全收敛性.