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。     

离散型随机变量幂赋范最大值的极限分布

(Xn)为独立同分布离散型随机变量序列,Mn=max(X1,…,Xn).当离散型随机变量分布的参数随n适当变化时,得到了|Mn/αn|1/βnsign(Mn)的极限分布,并应用于6种常见离散型分布.     

NA序列Chung型对数律的精确渐近性质

令{ξn,n≥1}为零均值严平稳的负相伴(NA)随机变量序列,满足Eξ12∞和0σ2=Eξ12+2∑k=2∞Eξ1ξk∞.记Sn=∑k=1n ξk,Mn=∑ k=1n|Sk|,n≥1.利用NA序列中心极限定理和概率不等式,对边界函数和拟权函数得到了Chung型对数律的精确渐近性质.     

正相协序列生成的平均移动过程的Davis大数定律的精确渐近性

{εt;t∈N*}是一严平稳零均值正相协随机变量序列,00有E|ε1|2 δ'<∞对某个ρ>0有μ(n)=0(n-ρ).给出了∞∑n=0(lognδ/nP{|Sn|≥ε√nlogn}当ε→0时的精确渐近性.     

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.     

非负WOD随机变量的第k小矩不等式

设{x_n,n≥1}为正数序列,{ξ_n,n≥1}为非负的WOD随机变量序列,其分布满足适当的条件.首先利用WOD随机变量的定义建立最小值min1≤i≤nx_iξ_i的一个指数不等式.利用此指数不等式,进一步研究非负WOD随机变量的第k小(E(k-min1≤i≤n|x_iξ_i|~p))~(1/p)的矩不等式,其中p0,k=1,2,…,n.本文中所得结果推广独立变量和NOD变量的相应结果.     

不同分布随机变量序列的M-Z型强大数律

分别考虑不同分布随机变量序列Xn,n≥1为独立,两两独立和φ-混合情形,在其尾概率被随机变量X∈Lp一致控制(即对x∈R ,supnP|Xn|≥x≤P|X|≥x,成立)的条件下,证明了Marcinkiewicz-Zygmund型强大数律,即Sn-ESn/n1/p0n∞a.s.成立.     

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.     

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.     

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。