NA序列部分和之和的大数定律及重对数律的精确渐近性

利用NA序列部分和之和的渐近分布,得到了NA序列部分和之和的大数定律及重对数律的精确渐近性.     

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.     

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.     

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.     

两两NQD序列完全矩收敛的精确渐近性

设{X_n, n≥1}为同分布的两两NQD(negatively quadrant dependent)序列, 均值为0. 在适当的条件下, 利用两两NQD序列的中心极限定理和矩不等式等工具, 给出两两NQD序列部分和一般对数律下完全矩收敛精确渐近性的一般函数式.     

两两NQD序列完全矩收敛的精确渐近性

设{X_n, n≥1}为同分布的两两NQD(negatively quadrant dependent)序列, 均值为0. 在适当的条件下, 利用两两NQD序列的中心极限定理和矩不等式等工具, 给出两两NQD序列部分和一般对数律下完全矩收敛精确渐近性的一般函数式.     

P^＊-混合序列重对数律的收敛速度

利用截尾、矩不等式、矩和级数收敛的关系、Borel—Cantelli引理等研究了P^＊-混合序列{X,,i∈Z^d＋}重对数律的收敛速度,在较弱的矩条件下得到了与独立同分布（i．i．d）实值随机变量序列类似的结果,同时给出了P^＊-混合序列重对数律收敛速度的一种描述．     

I.I.D.随机变量部分和之和的完全收敛性

用截尾等方法研究独立同分布(i.i.d.)随机变量序列部分和之和的完全收敛性, 得到了与i.i.d.随机变量序列部分和完全收敛性相同的等价条件, 补充了部分和
之和的极限定理.     

ANA随机变量序列重对数矩收敛的精确渐近性

设{X_n,n≥1}为一列严平稳的ANA随机变量序列,利用ANA随机变量序列的中心极限定理和矩不等式,在适当的条件下给出了ANA随机变量序列重对数矩收敛的精确渐近性.     

NA序列完全矩收敛的精确渐近性

设{Xn;n≥1}是具有零均值、有限方差的严平稳负相关(negatively associated,NA)随机变量序列,在适当的条件下,得到了NA序列下部分和以及部分和最大值在对数律下的完全矩收敛精确渐近性的一般函数式,扩大了应用范围。     

鞅差序列重对数律的精确渐进性

设{Xn;n≥1}为均值为零,方差有限的同分布鞅差序列.记Sn=∑nk=1Xk,Mn=max k≤n|Sk|,n≥1.假设σ2=EX12.本文讨论了,当ε→0时,P(Mn≥εσ2nloglogn~(1/2))的一类加权级数的精确渐近性质.这些性质与重对数律的速度有关.     

B值m相依随机变量序列完全收敛性的精确渐进性

设{X_n;n≥1}为均值为零、方差有限的B值m相依随机变量列. 利用B值m相依随机变量列弱收敛定理讨论了{X_n;n≥1}的完全收敛性及重对数律的精确渐进性. 所得结果是实值i.i.d.随机变量序列完全收敛性及重对数律的精确渐进性质的进一步 推广.     

由鞅差序列生成的线性过程的Baum-Katz大数定律的精确渐近性

主要讨论了线性过程Xt=∑∞j=0ajεt-j,其中{εt,Ft;t∈Ζ}是均值为零,方差有限的平稳鞅差序列,aj,j∈Ζ是绝对可和的实数序列.令Sn=∑nt=1Xt,n≥1,在适当矩的条件下,利用部分和Sn的收敛性,对于1≤p2,若supj≥1Eεjδ＆lt;∞,证明了∑∞n=1nr/p-2P｜Sn｜≥εn1p,∑∞n=1n-1/P｜Sn｜≥εn1/p当ε→0时的精确渐进性.在鞅差序列的前提下,进一步推广了线性过程的Baum-Katz大数律的精确渐近性性质.     

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。     

独立同分布序列部分和之和精确渐近性的一般形式

利用独立同分布序列部分和之和的渐近性质,得到其精确渐近性的一般形式,丰富了独立同分布序列精确渐近性的结果。     

ρ-混合序列部分和之和乘积精确渐近性的一般形式

在适当的假设条件下,利用已有的关于ρ-混合序列部分和之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ρ-混合序列部分和之和乘积精确渐近性的一般形式.     

ρ混合序列权函数估计的渐近性质

为研究非参数回归模型中ρ混合序列权函数估计的渐近性质问题,在矩条件较合理的情形下,采用相依序列概率不等式以及截断的方法,获得了回归函数g(·)权函数估计的几乎处处收敛的强相合性;在矩条件和权函数条件较合理的情形下,利用相依序列概率不等式以及Bernstein大小分块和Lyapunov中心极限定理的方法,获得了回归函数g(·)权函数估计的渐近正态性.将其他相依序列下相应方法和结论推广到ρ混合序列.     

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。     

不完全数据下分布函数MLE的大样本性质

在生存分析与可靠性研究中,对既有右删失,又有左删失的不完全数据,Turnbull于1974年给出了分布函数的最大似然估计。在观测数据是以分组形式得到的情形下,本文证明了此估计量的强相合性、渐近正态性和重对数律,并给出了渐近协差阵的矩阵表达式及重对数律中收敛速度的精确上限。     

PA序列Davis大数定律的精确渐近性

设{Xi;i≥1}是一严平稳零均值PA随机变量序列,EX12>0,σ2=EX12 2∑∞j=2EX1Xj,并且0<σ2<∞.令Sn=∑ni=1Xi,n≥1.利用部分和Sn的弱收敛定理,证明了当ε→0时,∑∞n=1(logn)δnP{Sn≥εnlogn}的精确渐近性成立.