S_p系统的强收敛性

讨论了一定条件下的φ-混合、ψ-混合随机变量序列是Sp系统,通过建立φ-混合、ψ-混合序列的矩不等式,研究了Sp系统的强收敛性,将独立同分布随机变量的Marcinkiewicz强大数定律推广到了ψ-混合、φ-混合序列.     

UEND 和 φ 混合随机变量随机和的精确大偏差

介绍了UEND和φ混合的相依关系的随机变量,研究了具有UEND和φ混合的相依关系的随机变量的随机和的尾概率问题,利用一种求相依关系的随机变量的随机和的大偏差方法,得到了具有UEND和φ混合的相依关系的服从重尾分布的随机变量的随机和的渐近尾概率的结果,将服从独立不同分布的随机变量的随机和的一致渐近结论推广到了服从不同分布的带相依关系的随机变量的随机和的结论上.     

相依随机变量列中偏差和大偏差原理的两个结果

研究m相依和φ混合随机变量列的中偏差原理和大偏 差原理. 得到了m相依随机变量列的中偏差原理和有限维φ混合随机变量列所产生的平均移动过程的大偏差原理.     

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。     

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。     

相依随机变量和的完全收敛性

本文对ρ-混合和φ-混合的随机变量和完全收敛性进行了研究,得出一些比[2]更广泛的结果,同时利用这些结果给出了ρ-混合和φ-混合r.v随机足标和的完全收敛性,在一定混合速度下得到与[1]一致的结果.     

φ混合序列的一个强大数律

利用随机变量的截尾方法和φ混合序列的三级数定理,得到了矩条件下珘φ混合序列的一类强大数定律,推广了若干已有的强大数律。     

φ-混合误差下线性EV模型中最小二乘估计的渐近性质（英文）

本文主要研究φ-混合随机误差下的简单线性EV模型.借助于φ-混合序列的中心极限定理和Marcinkiewicz型强大数定律,在较弱的假设条件下,建立了未知参数最小二乘估计的渐近正态性.另外,利用φ-混合随机变量加权和的强收敛性,得到了该最小二乘估计的强相合性.最后,给出了相关理论结果的数值模拟.     

相依变量部分和的有界LIPSCHITZ距离估计

J．Sunkloads在ψ－混合和绝对正则两种情况下得到了随机变量部分和的有界LIPSCHITZ距离估计的上界，本文在φ－混合和ρ1－混合两种情况下也得到类似结果。     

固定设计的φ-混合误差下非参数回归模型

设非参数回归模型Yni=g(xni)+εni,i=1,2,…,n;其中,xni是固定设计点列,误差为φ-混合误差。文章通过使用φ-混合随机变量的不等式,证明了非参数回归模型估计量的一些相合性结果,包括矩收敛、一致收敛、几乎处处收敛和收敛速度。     

非同分布φ-mining序列的完全收敛性

设{X1,i≥1}为φ－minxing随机变量序列,文章在较弱的混合速度且非同分布的条件下证明了其完全收敛性的一个结果。     

φ混合序列自正则加权和的中心极限定理

设｛X_n, n≥1｝为一严平稳φ混合随机变量序列, EX=0,V²_n为一实数阵列, 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｛S_n/V_n, 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.     

不同分布随机变量序列的M-Z型强大数律

分别考虑不同分布随机变量序列Xn,n≥1为独立,两两独立和φ-混合情形,在其尾概率被随机变量X∈Lp一致控制(即对x∈R ,supnP|Xn|≥x≤P|X|≥x,成立)的条件下,证明了Marcinkiewicz-Zygmund型强大数律,即Sn-ESn/n1/p0n∞a.s.成立.     

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。
     

鞅差序列的一个弱大数定律

通过使用一致收敛性对随机变量序列进行截尾,并借助随机变量序列的弱收敛定理,在φ(xx)↑,φ(x)x2↓的条件下给出了一个鞅差序列的弱大数定律.     

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.     

x^2-分布、丁-分布、F-分布的W特征函数和矩

本文根据二进随机变量X的W特征函数φ（t)的定义，利用二进随机变量X的W特征函数φ(t)在t=0处的五阶二进导数，来计算随机变量X的K阶矩mk，得出了数理统计学中3种重要分布的W特征函数和矩．     

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.     

同分布ψ-混合随机变量线性形式的强稳定性

研究了同分布啦混合随机变量线性形式的强稳定性,通过对随机变量运用截尾术得到了同分布ψ-混合随机变量具有强稳定性的充分条件,此结果在某种程度上推广了独立随机变量的相应定理。