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。     

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.     

NOD序列加权和的完全收敛性

NOD随机变量是一类包含NA随机变量的更为广泛的随机变量类.本文主要研究了NOD序列加权和的完全收敛性,证明了一般双下标加权系数的加权部分和的完全收敛性.     

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.     

END随机变量的完全矩收敛和完全积分收敛

设{X,X_n,n≥1}是同分布的END(extended negatively dependent)随机变量序列,■。研究了完全矩收敛性■在r1,q0, 0p2,a_n=1,b_n=n和■的情况下,与完全积分收敛的一些等价结论。所得结果推广了NA(negatively associated)变量和NOD(negatively orthant dependent)变量的若干相应结果。     

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。     

NOD随机变量阵列的q阶矩完全收敛性的充分条件

利用Rosenthal不等式及截尾法,给出了1≤q≤2和q2两种情形下NOD(negatively orthant dependent)随机变量阵列q阶矩完全收敛性的充分条件,推广了已有的结论。     

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.     

AANA随机变量的完全收敛性

设X{n,n≥1}为被随机变量X随机控制的AANA(asymptotically almost negatively associated)随机变量序列,a{n,n≥1}是正常数列.在适当的矩条件下,研究了AANA随机变量加权和max1≤k≤n a-1n∑k i=1Xi的完全收敛性.作为该结果的应用,得到了一些关于AANA随机变量序列完全收敛性的新结果.     

m-NA随机变量序列的完全收敛性

本文通过研究得到了m-NA随机变量序列关于最大部分和的概率不等式及矩不等式,进而研究并得出m-NA随机变量序列的完全收敛性。