线性过程矩收敛精确渐近性的一个结果

利用独立同分布序列生成线性过程部分和的Berry-Esseen不等式,将独立同分布序列对数律的一阶矩完全收敛性的精确渐近性推广至线性过程,丰富了线性过程矩完全收敛性的精确渐近性的结果.     

由强混合序列生成线性过程精确渐近性的一般形式

利用由强混合序列生成的线性过程的弱收敛定理和不变原理以及矩不等式, 得到了拟权函数和边界函数部分和以及部分和最大值的精确渐近性的一般形式. 从而使此前关于强混合精确渐近的许多经典和最新结果都可以包括在本文所得结果范围内.     

ρ~-混合序列完全矩收敛的精确渐近性

设{X_n,n≥1}是一列严平稳的ρ~-混合随机变量序列,利用ρ~-混合随机变量序列的中心极限定理和矩不等式等,在适当的条件下给出ρ~-混合随机变量序列部分和在一般对数律下的完全矩收敛精确渐近性的一般函数式.     

ρ-混合序列的重对数律矩收敛的精确渐近性

假设{X_n,n≥1}为一列严平稳ρ-混合随机变量,期望为零,方差有限。设S_n=n∑i=1X_i,M_n=max1≤i≤n |S_i|。利用ρ-混合随机变量的矩不等式和中心极限定理,得到了一类ρ-混合随机变量序列部分和以及部分和的最大值重对数矩收敛的精确渐近性。     

ρ-混合序列完全矩收敛的精确渐近性

对于具有零均值、同分布的ρ-混合序列,在适当的矩条件下,通过利用ρ-混合序列移动平均过程的中心极限定理及其矩不等式,采用多重截尾的方法,获得了ρ-混合序列关于移动平均过程完全矩收敛的精确渐近性的相关结论,推广了独立情形的结果。     

非平稳鞅差序列生成的滑动平均过程精确渐近性的一般结果

利用非平稳鞅差序列的弱收敛定理和矩不等式, 得到了对于相当广泛的边界函数和拟权函数滑动平均过程部分和矩完全收敛性的精确渐近性的一般形式.     

NA序列部分和之和一阶矩收敛的精确渐近性

随机变量的部分和之和在诸多领域有着广泛应用,关于NA序列的部分和之和取得了许多极限性质.在较弱的矩条件下,利用NA序列部分和之和的渐近分布和二阶矩的稳定性质,得到了平稳NA序列部分和之和的一阶矩收敛的精确渐近性,丰富了NA序列部分和之和极限理论的结果.     

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.     

ρ~--混合序列部分和之和乘积的几乎处处中心极限定理

设{X,Xn}n∈N为一严平稳的ρ--混合随机变量序列,利用混合序列加权和的中心极限定理及矩不等式,获得了权重为dk=k-1exp{logαk}(0≤α1/2)的ρ--混合序列部分和之和乘积的几乎处处中心极限定理.     

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.     

φ-混合移动平均过程完全矩收敛的精确渐近性

利用移动平均的中心极限定理和矩不等式,得到一类φ-混合移动平均过程部分和的完全矩收敛的精确渐近性.     

纵向数据的混合效应模型

考虑如下的线性混合效应模型:.其中αi为随机效应部分,{εik}对同一i而言是平稳的α-混合序列.使用特征函数的方法估计了随机效应的密度函数以及模型的参数β,并研究了估计量的大样本性质.     

由强混合序列生成的移动平均过程的矩完全收敛性

设{Yi,-∞i∞}为一同分布的强混合随机变量序列,{ai,-∞i∞}为一绝对可和的实数序列.利用强混合序列的矩不等式及缓变函数的性质,在适当的条件下得到了由强混合序列生成的移动平均过程的矩完全收敛性和强大数定律.     

非平稳相依序列生成线性过程部分和的矩不等式

利用矩不等式在适当的条件下解除随机变量列是平稳的条件限制,得到LPQD(LNQD)列生成的线性过程部分和的矩不等式,推广和改进一些现有的结果.     

多元相依线性模型的M－估计

讨论多元线性模型Ｙ＿ｉ＝ｘ＇＿ｉβ＋Ｅ＿ｉ，ｉ＝１，２，…中凸偏差函数最小问题的解定义的多元线性回归系数β的Ｍ－估计的相合性及渐近分布，其中｛Ｅ＿ｉ，ｉ≥１｝为严平稳α－混合ｐ维随机误差序列，在十分一般的条件下，建立了β的Ｍ－估计的相合性，并基于过程收敛得到了Ｍ－估计的渐近分布。     

非负ρ-混合随机变量的逆矩

在一阶矩有限的条件下获得了非负同分布ρ-混合随机变量序列部分和的逆矩的渐进逼近,部分推广了已有的结果,即设{Zn,n≥1}是非负同分布的ρ-混合随机变量序列,对任意n≥1,Xn=n∑k=1 Zk.如果0＜EZj＜∞,则对任意a＞0,α＞0,E(a+Xn)α～(a+EXn)-α成立.     

I.I.D.随机变量部分和之和重对数律的精确渐近性

为研究独立同分布(i.i.d.)随机变量序列部分和之和重对数律的精确渐近性质,在矩条件较弱的情形下,采用截断的方法,证明了ε→0时的几个精确渐近性质;在矩条件较强的情形下,利用Berry-Esseen不等式进行逼近,得到了ε→α+1(1/2)的精确渐近性质.研究结论表明,i.i.d.序列部分和之和重对数律的精确渐近性质与部分和的结论类似,这就将i.i.d.序列部分和精确渐近性的结果推广到部分和之和的情形,丰富了i.i.d.序列部分和之和精确渐近性的结果.     

φ-混合序列部分和乘积的精确渐近性

利用关于φ-混合序列部分和乘积渐近分布的结果,对一般的边界函数和拟权函数获得了φ-混合序列部分和乘积的精确渐近性的一般形式.     

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α-混合序列的矩不等式及其应用

该文给出了一α-混合随机变量序列部分和的矩不等式,此不等式是用矩的和作为其上界.在它的应用方面,探讨了加权和的收敛性,所得的结果改进了许(2002)所对应的结果.