ρ-混合序列部分和之和乘积的渐近分布

设{Xn,n≥1}为一严平稳ρ 混合的正的随机变量
序列, 满足EX1=μ>0, Var X1=σ2<∞. 记Sn=∑〖DD(〗n〖〗i=1〖DD)〗X
i, Tn=∑〖DD(〗n〖〗i=1〖DD)〗Si, γ=σ/μ. 利用ρ 混合序列的强极限定理
, 在较弱的条件下证明了〖JB((〗∏〖DD(〗n〖〗k=1〖DD)〗〖SX(〗2Tk〖〗k(k+1)
μ〖SX)〗〖JB))〗1/(γσ1〖KF(〗n〖KF)〗)〖FY(〗d〖FY)〗e〖K
F(〗10/3〖KF)〗N(n→∞),
其中: σ21=1+〖SX(〗2〖〗σ2〖SX)〗∑〖DD(〗∞〖〗j=2〖DD)〗Cov(X1,X
j)>0; N为标准正态随机变量.     

混合随机阵列加权和的若干收敛性质

在{ank, 1≤k≤kn, n≥1}一致可积的条件
下, 利用〖AKρ~D〗混合、 〖AKφ~D〗混合序列矩不等式和截尾法, 证明了〖AKρ~D〗混
合、 〖AKφ~D〗混合阵列行加权和最大值max〖DD(〗〖〗1≤j≤kn〖DD)〗〖J
B((〗∑〖DD(〗j〖〗k=1〖DD)〗ankXnk-E∑〖DD(〗j〖〗k=1〖DD)〗ank
Xnk〖JB))〗的弱收敛、 Lr收敛和完全收敛性.     

均匀经验过程几乎处处中心极限定理的一个注记

设{ξ1,ξ2,…,ξn}为来自［0,1］上服从
均匀分布的独立同分布样本, 产生的经验过程为Fn(t)=n-1/2∑〖DD(〗n〖〗i=1
〖DD)〗(I{ξi≤t}-t), 0≤t≤1; ‖·‖表示一致模, 即‖Fn‖=sup〖D
D(〗〖〗0≤t≤1〖DD)〗〖JB(|〗Fn(t)〖JB)|〗; U为D［0,1］上的Brown桥, ‖U‖
=sup〖DD(〗〖〗0≤t≤1〖DD)〗〖JB(|〗U(t)〖JB)|〗. 利用概率强收敛工具,
得到了关于‖Fn‖及sup〖DD(〗〖〗0≤t≤1〖DD)〗Fn(t)的形如l
im〖DD(〗〖〗n→∞〖DD)〗〖SX(〗1〖〗log
n〖SX)〗∑〖DD(〗n〖〗k=1〖DD)〗〖SX(〗1〖〗k〖SX)〗I{‖Fk‖≤x}=P{‖U‖≤x}=1
+2∑〖DD(〗∞〖〗k=1〖DD)〗(-1)ke-2k2x2 a.s.
的几乎处处中心极限定理.     

截断和乘积的不变原理

设{Xn,n≥1}为独立同分布的正平方可积随机变量
序列, 其共同分布为连续的中尾分布. 对于固定的常数a>0, 令Sn=∑〖DD(〗n〖〗i=1
〖DD)〗Xi, Mn=max〖DD(〗〖〗1≤i≤n〖DD)〗 Xi, Sn(a)=∑〖DD(〗n
〖〗i=1〖DD)〗XiI{Mn-a 定理和连续映射定理证明了截断和乘积的不变原理.     

高阶变系数函数方程解的振动准则

利用反复迭代的思想方法,讨论了一类高阶变系数函数方程x(g(t))=p(t)x(t)+〖DD(〗m〖〗i=1〖DD)〗Q_i(t)〖DD(〗s〖〗j=1〖DD)〗〖JB(|〗x(gk_j+i(t))〖JB)|〗a_jsgnx(gk_j+i(t))解的振动性,给出了这类函数方程一切解振动的几个充分条件:如果存在整数n0,使得lim〖DD(X〗t〖DD)〗sup〖DD(〗m〖〗i=1〖DD)〗Qi(t)〖DD(〗s〖〗j=1〖DD)〗〖JB2*［〗〖DD(〗kj+i-1〖〗k=1〖DD)〗p(gk(t))〖JB2*］〗aj1〖KG1.5mm〗(t〖XC152HSW1.TIF;%85%85,JZ〗I),则上述方程的一切解振动;如果存在一个整数n0,使得lim〖DD(X〗t〖DD)〗sup〖JB2*［〗p(g(t))〖DD(〗m〖〗i=1〖DD)〗Qi(t)〖DD(〗s〖〗j=1〖DD)〗〖JB2*［〗〖DD(〗kj+i-2〖〗k=1〖DD)〗pn(gk(t))〖JB2*］〗j+〖DD(〗m〖〗i=1〖DD)〗Qi(g(t))〖DD(〗s〖〗j=1〖DD)〗〖JB2*［〗〖DD(〗kj+i〖〗k=2〖DD)〗pn(gk(t))〖JB2*］〗j〖JB2*］〗1〖KG1.5mm〗(t〖XC152HSW1.TIF;%85%85,JZ〗I),则上述方程的一切解也振动. 并且给出了该方程在差分方程中的若干应用.     

NA序列随机和的几乎处处中心极限定理

运用子序列收敛性质证明了NA序列随机和的几乎处处中心极限定理,还证明了权重条件为〖SX(〗1〖〗j〖SX)〗,〖SX(〗logλj〖〗j〖SX)〗 （λ>-1）和〖SX(〗elog αj〖〗j〖SX)〗（α∈[0,1]）时的几乎处处中心极限定理.     

NA序列随机和的几乎处处中心极限定理

运用子序列收敛性质证明了NA序列随机和的几乎处处中心极限定理,还证明了权重条件为〖SX(〗1〖〗j〖SX)〗,〖SX(〗logλj〖〗j〖SX)〗 （λ>-1）和〖SX(〗elog αj〖〗j〖SX)〗（α∈[0,1]）时的几乎处处中心极限定理.     

一类变保费双Cox风险模型的鞅分析

讨论一类带有投资收益和再保险的变保费双Cox风险模型:U(t)=u+V1(t)=u1+u2+∑〖DD(〗M1(t)〖〗i=1〖DD)〗Xi-∑〖DD(〗M2(t)
〖〗j=1〖DD)〗Zj+u2W(t).假设保单数量过程M1(t)与索赔次数过程M2(t)相依, 使用鞅方法得到了该模型最终破产概率的一个上界表达式e-ru·C(r), 并在特定条件M1(t)=β(t)M2(t)下, 给出了最终破产概率的一个明确上界ψ(u)≤e-Ru, 其中R为Lundberg指数.     

图的全符号局部控制数

考虑图G=(V,E)均为不含有孤立点的有限简单连通图. f是一个从V∪E→{－1,1}的函数,记f的权为ω(f)=∑〖DD(X〗x∈V∪E〖DD)〗 f(x),对V∪E中任一元素x,定义f［x］=∑〖DD(X〗y∈〖WTBX〗N〖WTBX〗T(x)〖DD)〗f(y), NT(x)表示与x关联边、相邻点的集合. 图G的全符号局部控制函数为f:V∪E→{－1,1}, 满足对所有的x∈V∪E有f［x］≥1. 图G的所有全符号局部控制函数中最小的权定义为G的全符号局部控制数,记作γTsl(G). 得到在一般图中全符号局部控制数的下界和完全二部图Km,n中的上界,并求出圈Cn中γTsl的精确值.      

半群PC(n,r)的幂等元秩

设PCn是有限链［n］上的降序且保序部分变换半群
. 对任意的3≤r≤n-1, 考虑半群PC(n,r)={α∈PCn: 〖JB(|〗Im(α)〖JB)|〗≤r}
的秩和幂等元秩, 证明了半群PC(n,r)是由秩为r的幂等元生成的, 并得到了PC(n,r)的秩和
幂等元秩均为∑〖DD(〗n〖〗k=r〖DD)〗〖JB((〗〖HL(1〗nk〖HL)〗〖JB))〗〖JB((
〗〖HL(1〗k-1r-1〖HL)〗〖JB))〗.     

Functional limit theorem for moving average processes generated by dependent random variables

Let ｛Xt,t≥1｝ be a moving average process defined by Xt=∑∞j=0bjξt-j, where ｛bj,j≥0｝ is a sequence of real numbers and ｛ξt,-∞＜t＜∞｝ is a doubly infinite sequence of strictly stationary ?-mixing random variables. Under conditions on ｛bj,j≥0｝ which entail that ｛Xt,t≥1｝ is either a long memory process or a linear process, we study asymptotics of Sn(s)=∑［ns］t=1Xt (properly normalized). When ｛Xt,t≥1｝ is a long memory process, we establish a functional limit theorem. When ｛Xt,t≥1｝ is a linear process, we not only obtain the multi-dimensional weak convergence for ｛Xt,t≥1｝, but also weaken the moment condition on ｛ξt,-∞＜t＜∞｝ and the restriction on ｛bj,j≥0｝. Finally, we give some applications of our results.     

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.     

由强混合序列生成的线性过程重对数律的精确渐近性质

设{ε_t,t∈Z}为定义在同一概率空间(Ω,F,P )上的严平稳随机变量序列, 满足Eε₀=0, E|ε₀|^p<∞, 对某个p>2, 且满足强混合条件. {a_j, j∈Z}为一实数序列, 利用由强混合序列生成的线性过程的弱收敛定理及矩不等式讨论了在b_n=O(1/log log n)的条件下的一类加权级数的收敛性质.     

On the Limiting Behavior of Weighted Partial Sums for B Valued Martingale Difference Sequences

Let {Xn, n≥1} be a martingale difference sequence and {ank,1≤k≤n, n≥1} an array of constant real numbers. The limiting behavior of weighted partial sums ∑nk=1ankXk is investigated and some new results are obtained.     

M-Z型序列的最大值不等式和大偏差定理

设{Xn,n≥1}为p阶M-Z型序列,Sn(a)=∑i=a+1 a+n Xi,n≥1,a≥0且Xi∈Lp,i≥1.讨论了M-Z型序列的最大值不等式和大偏差定理,得到了p≥2情形下的估计μ(|Sn(a)|>n)≤cn-p/2以及p∈(1,2]情形下的估计μ(|Sn(a)|>n)≤cn1-p.最后给出了M-Z型序列部分和的最大值序列m ax1≤k≤nSk(a)和混合序列部分和Sn(a)的大偏差定理.     

由鞅差所产生的非平稳线性过程的随机泛函中心极限定理

在非平稳条件下, 证明了{ξ_n(t); 0≤t≤1}的所有有限维分布在条件概率PB(·)下均弱收敛到Wiener过程W的有限维分布, 进而得到随机指标和过程{ξ_νn(u);0≤u≤1}弱收敛于Wiener过程W, 其中{ν_n;n∈N}是一列满足一定条件的正整数随机变量.     

脉冲偏差分方程的振动性

获得脉冲偏差分方程{Am 1,n Am,n 1-Amn pmnAm-r,n-l=0,m≥m0,n≥n0-1,m≠mk,Amk 1,n Amk,n 1-Amk,n=bkAmk,n,n≥n0-1,k∈N(1),所有解振动的充分条件,其中{pmn}是一个双指标序列,对m≥m0,n≥n0-1,有pmn≥0且不恒为零,{bk}是实数序列,r,l是正整数,0≤m0≤m1<…相似文献   

强混合序列部分和乘积的渐近正态性

设{X_n,n≥1}是同分布正的强混合随机变量序列. 利用强混合序列的中心极限定理以及大数定律, 在适当的条件下证明了 N为标准正态随机变量.     

■混合随机变量列L_p收敛性

设{Xn;n≥1}是ρ珓混合随机变量序列,{an,k;1≤k≤n}是实数阵列,利用矩不等式和截尾方法,研究n∑k=1 an,kXk的Lp收敛性,所获的结论推广和改进了前人的相关结果.     

强相依非平稳序列位置和高度的联合极限分布

{ξ,i≥1}为标准化的正态序列,相关系数rij=Cov(ξi,ξj)。M(nk)是{ξ,i≥1}第k个最大值,L(nk)是其出现的位置,本文在条件:j-i→∞时rijlog(j-i)→γ∈(0,∞)下,得到了L(n2)和M(n2)的联合极限分布。