强平稳NA随机场对数律的收敛性

研究了强平稳NA随机场对数律的收敛速度,得到了与NA随机变量序列类似的结果,推广了NA序列的情形.     

AANA序列的强大数定律和强收敛速度

针对相依序列的强大数定律研究,特别是其强收敛速度的研究受到许多学者的关注.文章研究了比NA序列要弱的AANA序列部分和强大数定律,并给出了其收敛速度和上确界的可积性；给出了NA序列的部分和强大数定律、收敛速度及上确界可积性等结果.     

NA序列的大数定律及收敛速度

建立了NA序列的H劋jek-R埁nyi不等式,并利用它研究了NA序列的强大定数定律及收敛速度.     

NA误差下线性模型参数M估计的强收敛速度

在NA误差下讨论了线性回归模型参数M估计的强收敛速度，从而将[1]在独立误差下的线性回归模型参数M估计的强收敛速度推广到NA误差场合。     

END样本最近邻密度估计的一致强相合速度

利用扩展负相依(END)序列的Bernstein型不等式,研究END样本最近邻密度估计的一致强相合速度,给出了一致强相合性收敛速度的充分条件,并得到了与NA样本相同的一致强相合收敛速度.     

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。     

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。     

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.     

PA样本下刻度指数族参数的EB检验

目的 研究PA样本情形下刻度指数族参数的经验Bayes检验问题.方法 对密度函数及其导函数采用核估计的方法构造EB检验函数.结果 在加权线性损失下,给出PA样本情形参数EB检验函数渐近最优性及其收敛速度.结论 在适当条件下,所构造的EB检验函数的收敛速度可与iid样本及NA样本一样,任意地接近D(n-1/2).     

同分布NA序列部分和的完全收敛性

在同分布条件下讨论了NA序列部分和的完全收敛性，获得了一般形式的完全收敛速度与矩条件之间的等价关系，其结果与独立情形一致。从而证实了NA序列与独立序列有着极为类似的完全收敛性。     

NA样本下回归函数估计的收敛速度

在误差为NA序列的条件下,研究了固定设计点列下非参数回归函数一般权函数的非参数估计,并在一些基本条件下给出了估计的一致最优强收敛速度。     

负相关序列的强大数定律和收敛速度

利用Háyek-Rényi型最大值不等式,得到了相关和负相关随机变量序列的强大数定律和收敛速度,作为推论,得到了Hu Shuhe,Hu Ming关于负相关随机变量序列的结论.     

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.     

Convergence in the law of logarithm for NA sequences

Some results in the law of logarithm for NA sequences are obtained, which are similar to the result of id random variables; as a corollary, a sufficient result for the bounbed law of logarithm for NA arrays is given. Meanwhile, A conjecture for id random variables of Gut is answered in NA setting. Under weaker moment conditions than Su and Qin’s, a stronger convergence result than their Theorem 1 is obtained.     

NA阵列的收敛性

建立了NA阵列的一个概率不等式及相关的矩不等式,研究了NA随机变量阵列的依概率收敛性、完全收敛性和几乎处处收敛性.     

随机删失场合下部分线性模型的最近邻估计

主要讨论了随机删失场合下,误差为NA序列时的部分线性模型,利用基于分布函数的最近邻估计和最小二乘法,给出了部分线性模型的参数和非参数部分估计,并得到了参数估计o(n-1/4)的收敛速度和非参数部分的强相合性.