多维正态随机变量的几个性质

设 (X1 ,… ,Xn)和 (ε1 ,… ,εn)分别是n维正态和n维标准正态随机变量 ,研究了(X1 ,… ,Xn)与 (ε1 ,… ,εn)以及E(X1 X2 ,… ,Xn)与 (X2 ,… ,Xn)的关系 ,并且讨论把EΠni=1Xi表示成EXiXj 的问题     

强相依平稳正态序列的部分和与最大值的联合极限分布

设X1，X2，…是标准化平稳正态序列，协方差ρn=EX1Xn 1。在ρn和（ρnlogn)^-1都单调且收敛到0的情况下，得到了∑i=1nXi与max{Xi|1≤i≤n}的联合渐近分布。     

强相依平稳正态序列最大值和最小值的联合极限分布

设X1，X2，…是标准化的平稳正态序列，Mn=maxISiSnXi,mn=minXiISiSn,Pn=EX1Xn＋1 Rn=Mn-mn,Sn=n∑i=1Xi,在Pn和（Pnlogn）^-1都单调趋于0的条件下，得到Mn和mn的联合极限分布，同时也得到Rn的极限分布，并给出了Mn,Mn和Sn三者的联合极限分布．     

正相伴序列的矩完全收敛性

设 Xn;n≥1是一均值为0、方差有限的正相伴平稳序列.记Sn= Xk,Mn= |Sk|,n≥1.证明了在一定条件下,由E|X1|p(|X1|(1/α))∞可推出对任意的ε0,有 npα-2-αh(n)EMn-εn(1/p)+∞,其中h(n)为一在无穷处的缓变函数,x+=maxx,0.       

强相依平稳正态序列最大值和最小值的联合极限分布

设X1,X2,…是标准化的平稳正态序列,Mn=1≤i≤n/max X1,mn=1≤i≤n/min Xi,Pn=EX1Xn＋1 Rn=Mn-mn,Sn=i=1/∑/nXi·在Pn和（Pnlogn）^-1都单调趋于0的条件下,得到Mn和mn的联合极限分布,同时也得到Rn的极限分布。并给出了Mn,mn和Sn三者的联合极限分布．     

具有随机足标的强相依正态序列部分和与最大值的联合极限分布

设X1,X2,…是标准化的平稳正态序列.Mn=max1≤i≤nXi,ρn=EX1Xn+1,Sn=∑ni=1Xi,{N(n)}是一列取非负整值的随机变量,且N(n)nPη>0,η为随机变量.在ρn和(ρn·logn)-1都单调趋于0的条件下,得到了MN(n)和SN(n)的联合极限分布.     

具有随机足标的平稳正态序列的部分和与最大值的联合极限分布

设X1，X2，…为标准化平稳正态序列，相关系数ρli-j1=EXiXj(i≠j），N（n）为取正整数的随机变量且N（n）/n P→η，η为大于0的随机变量．得到了：当ρnlog n→γ∈(0，∞)时，最大值MN（n）和部分和SN(n)的联合极限分布．     

一类平稳正态序列的最大值与部分和的渐近联合分布

设{Xi}是标准化平稳正态序列，ρn=EX1Xn 1，作者就ρnlog→∞的一种特殊情形得到了最大值与部分和的渐近联合分布。     

对称平均对幂平均的分隔及其应用

设k↑∑n(Xn)是n个正实数x1…,xn(n≥3）的k（2≤k≤n-1)次对称平衡,而Mt(Xn)为x1…,xn的t次幂平均,本文获得了使不等式Mp(Xn)≤k↑∑n(Xn)≤Mq(Xn)成立的p的最大值和q的最小值,其中k=2,…,n-1,并将此结果用于n维长方体及文[2]的征解问题61。     

协变量带误差的随机删失数据线性模型的一类半参数估计

考虑线性模型Yi=Xi^Tβ＋εi,i=1,2,…,n,其中Yi为随机右删失因变量,Xi难以观测,或需要较高成本才能得到其精确观测值,故转而观测与Xi相关的相对易得的随机变量Xi利用数据集{（Xj,Xj）}n＋N,j=n＋1估计E[X｜X^-]的同时,给出了参数向量β的一类半参数估计,并且证明了估计量的渐近正态性．     

三参数的Pareto分布顺序统计量的分布性质

设(Xk,1≤k≤n)独立同分布,X1:n,X2:n,…Xn:n为其顺序统计量,当X4服从三参数分别为μ,δ,γ(μ∈R,σ>0,r>0)的Pareto分布时,得到了(X1:n,X2:n,…,Xn:n)的联合概率密度函数,以及Xk:n (1≤k≤n)的密度函数,从而进一步得到Xk:n的q(q<1/r为正整数)阶原点矩E(Xqk:n)的精确表达式.证明了其顺序统计量的样本间隔X1:n,X2:n,-X1:n,…,Xn:n -Xn-1:n不独立,且不同分布.此外还研究了其极端顺序统计量 X1:n和Xn:n的渐近分布.     

α一混合相依函数型数据改良核回归估计的渐近正态性

文章对回归模型y=r(X)+ε进行了研究.设{(X1,Y1),1≤i≤n}为取值于E×R上的一组同分布样本,其中E是由半度量d(·,·)生成的某个抽象的半度量空间,R是一个实数空间.在α-混合相依情形下,利用Bernstein大块小块过程,建立函数型数据的改良核回归估计的渐近正态性.     

独立情形下一阶矩收敛的精确渐近性的注记

假设{X,X i,i≥1}为独立同分布的随机变量序列,记S n=∑n i=1X i.N为标准正态随机变量,利用独立随机变量和的弱收敛定理和尾概率不等式,在拟权函数和边界函数满足适当的条件下,证明了limε→0ε1/s-1∑∞n=n0ψ(n)E{Sn/n-(1/2)-εσgs(n)}+=sσ1-s E N1/s成立的充要条件是EX=0和EX2=σ2.     

随机函数F的eλ|F|2的可积性

卡昂纳JP研究了eλ|F|2的可积性,其中F是随机三角函数,F(t)=∑∞n=1εnancos(nt φn),{εn}是Rademacher序列.运用次正态性、Fubini定理、Schwarz不等式来研究在适当条件下eλ|F|2的可积性,其中F是一般的随机函数,F(t)=∑∞n=1ξnanfn(t),{ξn}是次正态序列.     

线性回归中高杠杆点和强影响点的一种诊断方法

1 Andrews—pregibon诊断量的密度函数考虑线性回归模型Y=Xβ ε (1) 其中X为nx(p 1)阶列满秩已知设计矩阵,β为p 1维未知参数向量,Y为n维观测向量,ε=(ε_1,ε_2,….,ε_n)~τ为n维随机误差向量。     

NA误差下回归函数小波估计的渐近性质（英文）

考虑固定设计回归模型Yi=g（xi）＋εi,i=1,…,n,其中{xi}是固定设计点,g（.）是未知函数,{εi}是负相协误差随机误差。本文在适当的条件下,讨论了未知函数g（.）的小波估计量的r-阶矩相合,依概率收敛和强收敛以及渐近正态性。     

α-混合相依函数型数据改良核回归估计的渐近正态性

文章对回归模型Y=r(X)+ε进行了研究。设{(Xi,Yi),1≤i≤n}为取值于E×R上的一组同分布样本,其中E是由半度量d(.,.)生成的某个抽象的半度量空间,R是一个实数空间。在α-混合相依情形下,利用Bernstein大块小块过程,建立函数型数据的改良核回归估计的渐近正态性。     

大维AR(1)模型样本协方差阵的极限谱密度

令Xn=(Xjk)1≤j≤p,1≤k≤n,X1,…,Xn是Xn的n个相互独立的列向量,并且Xk=(X1k,X2k,…,Xnk)′服从AR(1)模型,具体给出了当p→∞,n→∞,且p/n→y时,样本协方差阵Sn=1/n∑nk=1XkX′k的极限谱密度.     

最大部分和的矩不等式

设X1,X2,…,Xn为具有有限方差{σ2i}的随机变量序列,假定E(xi)≡0。对v≥2的情形,根据ESa,nv假定的界得到了E(Mva,n)的界。并得到了当v=2,{Xi}为正交随机变量序列以及弱平稳序列时,E(M2a,n)的界。     

正相协序列生成的平均移动过程的Baum-Katz大数定律的精确渐近性

设{εt;t ∈ N*}是一严平稳零均值正相协随机变量序列,0＜Eε21＜∞,及σ2=0＜Eε21 2∞∑j=2Eε1εj,0＜σ2＜ ∞,{aj;j ∈N}是一实数序列,并且∞∑j=0|aj|＜ ∞.义移动平均过程Xt=∞∑j=0ajεt-j,t≥1,令Sn=n∑t=1Xt,n≥1.假设对某个δ'＞0有E|ε1|2 δ' ＜ ∞,对某个ρ＞0有μ(n)=0(n-ρ),给出了∞∑n=1nr/p-2P{|Sn|≥εn1/p},∞∑n=11/nP{|Sn|≥εn1/p}当ε→0时的精确渐近性.