高斯序列超过数点过程与和的联合渐近分布

为非平稳标准化高斯序列,记为对水平的超过数形成的点过程,为的第k个最大值,。在下,给出与,与的联合渐近分布。     

非平稳序列M(1)n和M(2)n的联合分布

{ξi,I≥1}为标准化的正态序列,rij=Cov(ξi,ξj).M(k)n是{ξi,I≥1}第k个最大值,L (k) n是其出现的位置,文章在条件:j-I→∞时rijlog(j-I)→γ∈(0,∞)下,得到了M(1)n和M(2)n的联合渐近分布.     

局部平稳高斯过程的最大值与最小值的渐近独立性

研究了满足Berman条件的局部平稳高斯过程 {X(t) ,0≤t≤T}的最大值与最小值的联合渐近分布 .在一定条件下 ,获得了最大值与最小值的渐近独立性和绝对值的渐近分布 .     

幂赋范下偏正态分布极值的收敛速度

令{Xn,n≥1}是独立同分布随机变量序列并且每个变量均服从偏正态分布.再令Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,得到了幂赋范下最大值分布的渐近分布和赋范常数以及幂赋范下相应的逐点收敛速度.     

由ALNQD序列生成移动平均过程精确渐近性的一般结果

设{εk,-∞k∞}为零均值的平稳渐近线性坐标负相依(ALNQD)序列.令移动平均过程{Xt=∞∑k=0akεt-k,t≥1},其中{ak,k≥0}为绝对可和的实数序列.利用ALNQD序列的弱收敛定理和矩不等式,对于边界函数和拟权函数得到了移动平均过程部分和以及部分和最大值矩完全收敛性精确渐近性的一般形式.     

B值鞅型序列收敛性的一点注记

该文对适应可积序列(x_n)引入渐近L~1有界概念,即存在上升集合序列(A_n)满足:(1)A_l∈?k,?k∈N;(2)U k A_k=Ω,任一固定k∈N,(x,I_A_k)_(n≥k)L~1有界。文中证明了在渐近L~1有界条件下B值鞅(上、下鞅)、mil、Gaft的收敛性,并举例说明了渐近L~1有界弱于L~1有界。从而改进了这些B值鞅型序列的收敛性。     

NA序列部分和随机乘积的渐近分布

利用NA序列部分和最大值的矩不等式及部分和乘积的渐近分布, 得出NA序列部分和随机乘积的渐近分布, 并将已有部分和乘积的结果推广到部分和随机乘积上, 进而得到一类统计量随机乘积的渐近分布.     

强相依非平稳序列位置和高度的联合极限分布

{ξ,i≥1}为标准化的正态序列,相关系数rij=Cov(ξi,ξj)。M(nk)是{ξ,i≥1}第k个最大值,L(nk)是其出现的位置,本文在条件:j-i→∞时rijlog(j-i)→γ∈(0,∞)下,得到了L(n2)和M(n2)的联合极限分布。     

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.     

一类平稳正态序列的最大值与部分和的渐近联合分布

设{Xi}是标准化平稳正态序列，ρn=EX1Xn 1，作者就ρnlog→∞的一种特殊情形得到了最大值与部分和的渐近联合分布。     

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.     

幂分布次序统计量的性质及渐近分布

设随机变量X服从参数为a的幂分布,X1∶n,X2∶n,…,X n∶n为其次序统计量,得到了参数a的置信区间以及X1∶n和X n∶n的渐近分布;当k(k>1)固定时,得到了X k∶n和X n-k+1∶n的渐近分布.     

离散型随机变量序列最大值的收敛速度

设X1,X2,…,Xn是独立同分布离散型随机变量序列,Mn=max{X1,X2,…,Xn}.当n→∞时,(Mn-bn)/an的极限分布已知.然而,当离散分布的参数随着n而变化时,有可能得到它的非退化极限分布及其收敛速度.研究了3类离散型随机变量序列最大值的收敛速度.     

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.     

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→∞).     

离散型随机变量幂赋范最大值的极限分布

(Xn)为独立同分布离散型随机变量序列,Mn=max(X1,…,Xn).当离散型随机变量分布的参数随n适当变化时,得到了|Mn/αn|1/βnsign(Mn)的极限分布,并应用于6种常见离散型分布.     

强相依平稳正态序列最大值和最小值的联合极限分布

设X1,X2,…是标准化的平稳正态序列,Mn=1≤i≤n/max X1,mn=1≤i≤n/min Xi,Pn=EX1Xn＋1 Rn=Mn-mn,Sn=i=1/∑/nXi·在Pn和（Pnlogn）^-1都单调趋于0的条件下,得到Mn和mn的联合极限分布,同时也得到Rn的极限分布。并给出了Mn,mn和Sn三者的联合极限分布．     

关于部分和乘积渐近性的一个注记

对一列独立同分布平方可积的随机变量序列{Xn;n≥1}部分和乘积的渐近正态性质作了进一步的讨论.     

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.     

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.