ρ*混合序列的Chover型重对数律

设{X_n,n≥1}是同分布的ρ^*混合序列, 其分布属于特征指数为α(0<α<2)的非退化稳定分布正则吸引场. 利用ρ^*混合序列的矩不等式证明了依概率1有,并获得了一系列等价条件.     

ρ-混合序列的Chover型重对数律

设{Xn,n≥1}是同分布的ρ-混合序列,其分布属于特征指数为α(0<α<2)的非退化稳定分布的正则吸引场.利用ρ-混合序列的矩不等式,证明了依概率1有lim supn→∞∑ni=1Xin1/α1/log log n=e1/α,并获得了一系列等价条件.     

ρ~--混合序列部分和之和乘积的几乎处处中心极限定理

设{X,Xn}n∈N为一严平稳的ρ--混合随机变量序列,利用混合序列加权和的中心极限定理及矩不等式,获得了权重为dk=k-1exp{logαk}(0≤α1/2)的ρ--混合序列部分和之和乘积的几乎处处中心极限定理.     

P^＊混合序列的Chover型重对数律

设{Xa,n≥1}是同分布的P^＊混合序列,其分布属于特征指数为α（0〈α〈2）的非退化稳定分布正则吸引场．利用P^＊混合序列的矩不等式证明了依概率1有lim sup n→∞（（^n∑i=1Xi）/n^1/α）^1/（log log n）=e^1/α,并获得了一系列等价条件.     

非负ρ-混合随机变量的逆矩

在一阶矩有限的条件下获得了非负同分布ρ-混合随机变量序列部分和的逆矩的渐进逼近,部分推广了已有的结果,即设{Zn,n≥1}是非负同分布的ρ-混合随机变量序列,对任意n≥1,Xn=n∑k=1 Zk.如果0＜EZj＜∞,则对任意a＞0,α＞0,E(a+Xn)α～(a+EXn)-α成立.     

优化权重下ρ-混合序列部分和的几乎处处中心极限定理

将已有的ρ-混合序列部分和的几乎处处中心极限定理权重由dk=1/k推广到dk=logαk/k(α≥-1),得到优化权重下部分和的几乎处处中心极限定理.     

ρ-混合序列Jamison型加权和的强收敛性

设{Xn,n≥1}为同分布ρ-混合序列,EX1=0,{an,n≥1}为正实数序列,An=n∑k=1 ak↑∞（n→∞）,考虑Jamison型加权和Tn=1/An∑k=1 akXk,在类似Jamison等（1965）的条件下,证明了Tn的强收敛性,即Tn→0,a.s.（n→∞）,把已有的结论推广到了ρ-混合序列的情形.     

用狄立赫利级数所定义的整函数的极大项

Letf(s)=sum from n=1 to ∞ (a_n)/(n~B),be a non-termiaating Dirichlet's series wherea_n0,n=-1,2,….Let the abscissa of convergence of this series be-∞.Then f(s)representsan entire function of order ρ and tgFe τ given by the following formulas:1/ρ+(log log n)/(log log 1/(a_n))=1,τ=((ρ-1)~(ρ-1))/ρ((log n)~ρ)/((log 1/(a_n))~(ρ-1)),Letand (r)be the rank of this term.Thenlogμ(r)=O(1)+integral from 0 to r log(r)dx.Both (r)and μ(r)are monotonely increasing unbounded functions,andIf f(s)is a function of regular growth and 1ρ<∞,thenlog M(r)～logμ(r)andas r→∞.In the case ρ>1,we put (logv(r))/(r~(-1))=then we have/ρ,where is the lower type of f(s).If ρ=1,we put(logM(r))/(r(log r)~ω)= 0<ω<∞then we have=(logn)/(log log 1/(a_n))~ωLetlogv(r)/((logr)~∞)=If f (s)is a function of regular growth,then     

相依误差下回归函数导数估计的渐近分布

设y1,…，yn是固定点x1,…，xn的n个观察值，适合模型yi=g(xi) εi,1≤i≤n。在{εi}为φ－混合、α－混合、ρ－混合误差序列情形下，得到了回归函数导数估计的联合渐近分布。     

NA列部分和乘积的极限定理

讨论NA列部分和乘积的中心极限定理和几乎处处中心极限定理,并将独立同分布(i.i.d.)随机变量序列的部分和乘积的几乎处处中心极限定理的权重由dn=exp(logαn)/n推广到dn=log(cn+1)/cnexp(logαn),0≤α1 2的情形,其中0cn→∞,limn→∞(cn+1)/cn=c∞.1     

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.     

对数线性Gamma分布模型极大似然估计的强相合性和渐近正态性

在‖Z‖n=o(log n)和λmin∑i=1nZiZ'i≥cnα(对某个c0,α0)等条件下,证明了对数线性Gamma分布模型极大似然估计(MLE)的强相合性和渐近正态性,其中设计阵序列{‖Z‖}n可以为无界序列.     

划分递减变换半群的Green*关系

设Tn是Xn={1,2,…,n)上的全变换半群.设ρ是Xn上的一个等价关系,≤是Xn/ρ上的一个全序.对Xn上Tn的划分递减子幺半群T(ρ,≤)={α∈Tn:(xα)ρ≤ρ,(V)x∈Xn},在此刻划出它的Green*关系以及当n≥3时它既不是逆半群也不是完全正则半群.     

ρ^＊-混合随机变量序列的强大数定理

利用随机变量的截尾方法和Háyek-Rényi型最大值不等式研究了ρ*-混合随机变量序列.在一定的条件下,得到了ρ*-混合随机变量序列的强大数定理.     

递减全变换半群的幂等元生成集深度

令Sing_n为X_n={1,2,…,n}上全变换半群的奇异部分.X_n上递减全变换半群为S^-_n={α∈Sing_n|xα≤x,?x∈X_n},S^-_n由幂等元生成,且被J^*_n-1里的n(n-1)/2个幂等元生成.文章进一步研究了S^-_n的幂等元深度问题,证明了E(J^*_n-1)是S^-_n的所有生成元集的交,给出了α∈S^-_n的E(J^*_n-1)-深度和S^-_n的全局E(J^*_n-1)-深度,以及α∈S^-_n的E(S^-<...     

Cauchy不等式和Kantorovich不等式的推广

设A为n×n正定Hermite阵,x为n维列向量,λ1≥λ 2≥…≥λn＞0为A的特征值,得到了Cauchy不等式及Kantorovich不等式的如下推广形式:(x*A α1+α2+...+αk/k/x)k≤x*Aα1x...x*Aαkx,其中α1,α2,...αk为任意实数.(x*Aαx)β(x*A-βx)α≤/ααββ/(α+β)α+β/(λ1α+β-λnα+β)α+β/(λ1λn)αβ(λ1α-λnα)α(λ1β-λnβ)β/(x*x)α+β.其中α,β为任正数.     

超奇异积分算子在Sobolev空间及Campanato空间上的有界性

证明了超奇异积分算子D_α是从Sobolev空间B^s(Rs(Rⁿ)到Bn)到B^(s-α)(R(s-α)(Rⁿ)上的有界算子,并且还得到了D_α是从Lipchitz空间Lip_β(Rn)上的有界算子,并且还得到了D_α是从Lipchitz空间Lip_β(Rⁿ)到C_*n)到C_*^(β-α,p)(R(β-α,p)(Rⁿ)上的有界算子,其中C_*n)上的有界算子,其中C_*^(β-α,p)(R(β-α,p)(Rⁿ)空间是Lip_(β-α)(Rn)空间是Lip_(β-α)(Rⁿ)空间的子空间.     

NA随机变量序列的Berry-Esseen界

负相关NA（ negatively associated）随机变量序列是一类较弱的相依序列。讨论了NA随机变量序列的Berry-Esseen界问题，在不同的条件下，得到了Berry-Esseen界分别为O （ n-1/4· log n · log log n）和 O （ n-1/6· log n · log log n），结果推广了已有文献的相关结论。     

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.     

ρ-混合序列完全矩收敛的精确渐进性

设{Xn;n≥1}为正的严平稳ρ-混合随机变量序列,在适当的假设条件下,获得ρ-混合序列完全矩收敛的精确渐进性的一般形式.