次序统计量和的渐近分布（Ⅱ）

设｛Ｘｎ，ｎ≥１｝是狡立同分布随机变量列，Ｘｎ，１≤…≤Ｘｎ，ｎ是Ｘ１，…，Ｘｎ的次序统计量，对非负实数Ｐｎ     

伴随极值分布函数的弱收敛

设{(X_n,Y_n)}是i.i.d.随机向量序列,共同d.f.为F。本文在更弱的条件下证明了A_n^-1(Y_{(n, n)}-B_n)→I对某准d.f.I成立,从而推广了Nagaraja和David的结果。此外还指出：对于(a_n^-1(X_{n, n}-b_n),A_n^-1(Y_{(n, n)}-B_n))的联合分布的弱收敛,本文的条件不仅充分,而且必要。最后,揭露了二元极值弱收敛与(a_n^-1 (X_{n, n}-b_n), A_n^-1 (Y_{(n, n)}-B_n))的联合分布弱收敛之间的紧密联系。     

固定秩次序统计量的全变差收敛速度

在V′是二阶正规变化函数的条件下给出固定秩次序统计量分布函数的全变差收敛速度,特别地,也得到了最大值分布的全变差收敛速度。     

重截和的重对数律

令{X_n, n≥1}是一列独立同分布的随机变量,其共同分布为F(x). X_{1, n}≤…≤X_{n, n}}是其次序统计量。Q 是F的分位函数。对任何分布函数F,只要λ和1-λ是Q 的连续点且σ(λ)>0,重截和的重对数律成立。而且在这种情形下获得了强逼近结果。     

次序统计量和的渐近分布（Ⅱ）

记｛Ｘ＿ｎ，ｎ≥１｝为独立冈分布的随机变量列。以Ｘ＿（ｎ．１）≤…≤Ｘ＿（ｎ，ｎ）记Ｘ＿１，…，Ｘ＿ｎ的次序统计量。作者将陆续给出３篇文章来讨论和Ｓ＿ｎ（ｌ＿ｎ，ｒ＿ｎ）当ｎ→∞时的渐近分布．这些文章所使用的方法是统一旦初等的。作为上述和的特例，本文将改进文献中关于截断和及修正截断和的某些结果，还将讨论一类新的截断和──边项次序统计量的和。本文先列举了所要讨论的问题和给出一般性的引理，然后讨论当ｌ＿ｎ≡ｌ和ｎ—ｒ＿ｎ＋ｌ≡ｒ时上述和在适当标准化以后的渐近分布。     

广义正规变化函数及其逆函数

讨论了广义正规变化函数的逆函数Γ(γ, b),将Π变化函数及其逆--Γ变化函数的性质推广到广义正规变化函数及其逆函数Γ(γ, b)上,导出Γ(γ, b)的基本性质及表示定理和等价条件,利用所得结果讨论了极值分布的吸引场及Von Mises条件的收敛速度问题。     

关于平稳序列次序统计量中项的极限分布

设W_1……,W_n是n个随机变量,W_1~(n)≤…≤W_n~((n))是它们的次序统计量。次序统计量的项W_(k_n)~((n))当n→∞时如满足,称为中项;如满足或=1,称为边项。 当W_1,W_2,…是独立同分布随机变量序列时,格涅坚科求出了极大项W_n~((n))=maxW_i的所有可能的三种非退化极限律型以及它们的吸引场。斯米尔诺夫一方面把格涅坚科的结果推广到固定名次的边项,另一方面又研究了中项的极限分布。他证明了满足条件     

次序统计量和渐近分布（I）

记《Ｘｎ，ｎ≥１》为独立冈分布的随机变量列。以Ｘｎ，１≤…≤Ｘｎ，ｎ记Ｘ１，…，Ｘｎ的次序系统计量。作者将陆续给出３篇文章来讨论和Ｓｎ（ｌｎ，ｒｎ）＝＾ｒ＾ｎ＾－＾１∑ｉ＝ｎ＋１Ｘｎ，ｉ＋ｐｎＸｎ，ｌｎ＋ｑｎＸｎ，ｒｎ当ｎ→∞时的渐近分布。这些文章所使用的方法是统一且初等的。作为上述和的特例，本文将改进文献中关于截断和及修断和及修正截断和的某些结果，还将讨论一类新的截断和──边项次序统计量的和。本     

Hill-估计量的二阶Edgeworth展式

具有正规变化尾的重尾分布的尾指标的估计是一个重要问题．本文利用二阶广义正规变化函数理论给出了尾指标的Hill-估计量的分布的三阶Edgeworth展式．     

变敍的项的联合极限分布

设ξ_1,…,ξ_n是来自总体F(x)的一组简单随机样本,ξ_1~(n)≤…≤._n~(n)是这组样本的变叙,._k~(n)(k=1…,n)称为变叙的项,k/n称为项ξ_k~(n)的秩。变叙的项的序列ξ_(kn)~(n)如满足则称为中间项序列,如满足则称为有极限秩λ的中间项序列。满足或的序列称为边项序列,如