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。     

WOD随机变量序列加权和完全收敛性及其应用

随机变量序列是概率极限理论重要研究的内容，由于随机变量序列独立的条件已经不满足日常生活和科学研究的实际要求，相依随机变量序列被提出.其在风险预测、地质勘测、保险等领域应用非常广泛，宽相依(widely orthant dependent, WOD)随机变量序列是一种常见的相依随机变量序列.采用随机变量尾截技术，结合运用新的矩不等式证明研究WOD随机变量序列加权和完全收敛性，且将其结果应用到非参数估计当中具有重要意义.     

END随机变量序列加权和的完全收敛性（英文）

主要研究了END随机变量序列加权和的完全收敛性.在适当的权系数条件下以及适当的矩条件下,建立了END随机变量序列加权和的完全收敛性结果.所得结果推广了独立序列和负相依序列的相应结果.     

二元加权拟渐近独立结构中的精确大偏差

概率学在我们的实际生活中涉及了众多领域,例如计算机、破产概率、保险精算等.随机变量序列和的尾概率及其极限形状研究是保险精算领域的较为活跃课题.加权随机变量序列和的精确大偏差可以较好地描述随机变量序列和的尾概率及其极限形状这些问题,本文研究了二元加权拟渐近独立结构中的随机变量序列和的精确大偏差的概率的极限性态.     

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.     

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.     

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。     

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.     

二元加权相依随机变量和模型中的精确大偏差

随机变量序列和的精确大偏差由于具有精确刻画出随机变量序列尾概率的极限性态的功能,在很多领域都有重要的应用和研究价值。主要研究了长尾上带有二元加权相依模型中的随机变量和的精确大偏差,并得到了关于加权的非随机和和加权的随机和两种渐近结果。     

WOD随机变量加权和的完全收敛性

利用随机变量的截尾技术和宽相依(widely orthant dependent,简称WOD)随机变量的指数型概率不等式,在较弱的矩条件下,建立WOD随机变量加权和的完全收敛性结果,作为应用,得到WOD随机变量的M-Z型强大数定律,推广并改进独立变量和若干相依变量的相应结果.     

NA序列部分和之和乘积的极限定理

设{X_n, n≥1}是一严平稳正值负相关(NA)随机变量序列, 满足EX₁=μ>0,  Var X₁=σ²<∞. 首先利用NA序列加权和的中心强极限定理和矩不等式证明, 其中N为标准正态随机变量; 其次, 对于边界函数和拟权函数给出NA序列部分和之和乘积的完全收敛性中精确渐近性的一般结果.     

行为负相协随机变量阵列加权和的矩完全收敛性

矩完全收敛性是极限理论随机变量所需研究的重要性质之一。本文研究了行为负相协(NA)随机变量阵列加权和的矩完全收敛性,在已有结论的基础上获得了一些新的结论,完善了Sung的结果。本文所采用的证明方法完全不同于Sung的方法,运用截尾的思想简化了证明过程,有一定的创新。     

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。     

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。     

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。     

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。     

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.     

两两独立随机变量序列的完全收敛性简

讨论了两两独立随机变量序列的完全收敛性.利用矩不等式和截尾方法,在更一般的条件下,得到了两两独立随机变量序列完全收敛的一些充分条件,部分结果深化并推广了已有的相关结果.     

两两独立随机变量序列的完全收敛性

讨论了两两独立随机变量序列的完全收敛性.利用矩不等式和截尾方法,在更一般的条件下,得到了两两独立随机变量序列完全收敛的一些充分条件,部分结果深化并推广了已有的相关结果.