二元分布函数的密度收敛

设 { ( Xi,Yi) ,i≥ 1 }是独立同分布二维随机向量列 ,其共同分布函数为 F.设 F属于 G的吸引场 ,本文假定边缘分布满足 Von-Mises条件 ,主要考虑二维极大值向量 Mn 密度收敛局部一致成立的问题 .本文将 Resnick[3 ]的结果推广到了二维情形     

截断情况下独立随机变量样本均值和方差的近似分布

设X1，X2……Xn为非负随机变量，相互独立具有共同的分布函数F(t)，Y1，Y2……Yn是相应的干扰随机变量，非负，相互独立具有共同的分布G(t)，并且Xi与Yi也相互独立，文章在仅能观察到Zi=min(Xi，Yi)．δi=I(Xi≤Yi)，i=1，2……，n和假设G已知的情况下．分别定义了F的均值和方差的估计量，并求出了估计量的近似分布．     

二元分布函数的密度收敛

设{(Xi,Yi),i≥1}是独立同分布二维随机向量列,其共同分布函数为F.设F属于G的吸引场,本假定边缘分布满足Von-Mises条件,主要考虑二维极大值向量Mn密度收敛局部一致成立的问题,本将Resnich^[3]的结果推广到了二维情形。     

关于大偏差概率的一个界

研究得到了关于随机和S(t)=∑N(t)i=1Xi,t≥0大偏差的幂的一个界,其中(N(t))t≥0是一族非负整值随机变量,(Xn)n∈N是独立同分布的随机变量,其共同的分布函数是F与(N(t))t≥0独立.本结论是在假设分布函数F的右尾属于ERV族的情况下得到的.     

有关k个多元独立样本的非参数检验

设Fi(x)是Rp上总体Xi的分布函数,1≤i≤k.考虑假设问题H0:F1(x)=F2(x)=…=Fk(x),(A)z∈Rp,构造了一个检验统计量X2n,并证明当H0成立时,其渐近分布是自由度为k-1的X2分布.     

局部时的Cauchy主值的精确完全收敛性

设{X,Xn;n≥1)为i.i.d.的随机变量序列,其均值为0且EX2=1.令S={Sn}n≥0为一维随机游动,其中S0=0,Sn=sum from k=1 to n Xk,对n≥1.定义G(n)为随机游动局部时的Cauchy主值.本文得到了,若存在某δ1>0,E|X|2r/(3p-4)+δ1<∞成立,那么对4/3P,有     

局部时的Cauchy主值的精确完全收敛性

设{X,Xn;n≥1}为i.i.d.的随机变量序列,其均值为0且EX2=1.令s={Sn}n＞0为一维随机游动,其中S0=0,Sn=n∑k=1 Xk,对n≥1.定义G(n)为随机游动局部时的Cauchy主值.本文得到了,若存在某δ1＞0,E|X|2r/(3p-4)+δ1＜∞成立,那么对4/3＜p＜2及r＞p,有limε→02(r-p)/2-p∞Σn=1nr-2/p{│G(n)│εn1/p}=2p/(r-p)πE│N│2(R-P)/2-P∞ΣK=O(-1)K(2/2K+1)2(R-P)/2-P+1.     

截尾样本下回归函数改良核估计的强相合性

设(Xi,Yi),i=1,,n是从取值于\Rd×R1的随机向量(X,Y)中抽取的i.i.d.样本,E(|Y|)<∞,而以m(x)=E(Y|X=x)表示回归函数。在截尾情况下,观察到的不是诸Yi本身,而是Zi=min(Yi,Ti)及δi=I(YiTi),其中Ti是与(Xi,Yi)独立的随机变量,i=1,2,…,n.当T的分布未知时,在一定条件下,得到了回归函数改良估计的强合性.     

长圈的邻域交条件的推广

证明了若G为一个k(k≥2)连通简单图,独立数为α,V(G)=n≥3,X1,X2,…,Xk是顶点集合V的子集,X=X1∪X2∪…∪Xk,且对于Xi(i=1,2,…,k)中任意两个不相邻点u,v,|N(u)∩N(v)|≥α,则X在G中可圈,并给出几个相关推论.     

有向图上的随机游动

设G=(V,Г)是有向图,G上的随机游动X(G)定义如下:位于某个顶点上的一个粒子将以等概率转移到该顶点的所有后继顶点.令M(j,n)表示随机游动X(G)在前n步内访问顶点j的平均次数,用W(j)表示随机游动X(G)到达顶点j所需要的平均步效.我们对M(j,n)和W(j)的值进行了估计,证明了M(j,n)=O(n),并给出了W(j)的上界.