ρ-混合序列移动平均过程的完全矩收敛

本文利用ρ-混合序列移动平均过程的依分布收敛,以及ρ-混合序列的矩不等式,研究了ρ-混合序列移动平均过程的完全矩收敛,这些结果推广和改进了已知文献中相应的结论.     

ρ-混合序列移动平均过程的完全矩收敛的收敛速率（英文）

本文在适当的矩条件下,通过利用ρ-混合序列移动平均过程的中心极限定理及其矩不等式,采用多重截尾的方法,获得了ρ-混合序列关于移动平均过程完全矩收敛的收敛速率相关结论,扩大了应用范围.     

基于$\alpha$\,-混合序列的学习机器一致收敛速率的界

Vapnik, Cucker和Smale已经证明了, 当样本的数目趋于无限时, 基于独立同分布序列学习机器的经验 风险会一致收敛到它的期望风险\bd 本文把这些基于独立同分布序列的结果推广到了$\alpha$\,-混合序列, 应用Markov不等式得到了基于$\alpha$\,-混合序列的学习机器一致收敛速率的界     

半鞅序列积分误差的极限过程的收敛定理

Jacod, Jakubowski和M\'emin讨论了与单个独立增量过程$X$的误差过程$^n\!X =X_t-X_{[nt]/n}$相关的积分误差过程$Y^n(X)$和$Z^{n,p}(X)$, 研究了半鞅序列$\{(nY^n(X),nZ^{n,p}(X))\}_{n\ge 1}$的极限定理. 记半鞅序列$\{(nY^n(X),nZ^{n,p}(X))\}_{n\ge1}$的极限过程为$(Y(X),Z^p(X))$, Jacod等给出了其极限过程$(Y(X)$, $Z^p(X))$的表达式. 本文将研究半鞅序列$\{X^n\}_{n\ge1}$积分误差的极限过程$Y(X^n)$和$Z^{p}(X^n)$的收敛定理, 主要研究半鞅序列$\{(X^n,Y(X^n),Z^p(X^n))\}_{n\ge1}$的依分布弱收敛和依分布稳定收敛.     

$\widetilde{\rho}$混合序列的矩不等式与完全收敛性

给出一类较广泛的$\widetilde{\rho}$ 混合序列的矩不等式. 讨论了$\widetilde{\rho}$ 混合序列的完全收敛性, 所得的结果改进了相关文献中的结果,并得到了完全收敛速度与矩条件之间的等价关系.     

$\alpha$混合下非参数回归函数改良分割估计的强相合性及收敛速度

本文研究了在样本$(X_1,Y_1),(X_2,Y_2),\ldots,(X_n,Y_n)$ 为取值于$R^{d}\times R^{1}$的同分布的$\alpha$混合序列时,回归函数改良分割估计的强相合性和收敛速度.     

AANA随机变量序列的完全矩收敛和积分收敛的等价条件

利用AANA随机变量的Rosenthal型矩不等式,得到了AANA随机变量序列的完全矩收敛和积分收敛的等价条件.这些结果完善了已有的结果.     

混合误差下回归函数小波估计的一致收敛速度

该文构造了回归函数的一类小波估计，在误差序列为ψ 混合或φ 混合下得到了小波估计的强一致收敛速度和狉阶矩一致收敛速度．     

关于ρ-混合序列对数律的收敛速度

本文研究了ρ-混合序列对数律的收敛速度，在较弱的矩条件下得到了与独立同分布实随机变量类似的结果，并获得了ρ－混合序列满意对数律的一个充分性结果；讨论了ρ－混合序列重对数律的收敛速度的问题，得到了一个重对数律的充分性条件。     

在区间截断的情况下,两点分布估计及其收敛速度

假设总体$X$服从两点均匀分布, 即$\pr(X=x_1)=\pr(X=x_2)=1/2$, 但是随机变量$X$的取值$x_1$和$x_2$是未知的\bd 在区间截断的情况下, 利用样本获得了$x_1$和$x_2$估计量$\wh{x}_1$和$\wh{x}_2$, 并给出了估计量$\wh{x}_1$和$\wh{x}_2$的收敛速度$o(n^{-1/3+\xs})$.     

ψ－混合序列大数律的收敛速度

在不加任何矩条件限制的情形下，研究了ψ－混合序列大数律的收敛速度问题，得到了若干充分必要条件．     

φ－混合序列大数律的收敛速度

在不加任何矩条件限制的情形下，研究了φ－混合序列大数律的收敛速度问题，得到了若干充分必要条件．     

无界混合序列强律的收敛速度

本文进一步研究无界相依随机变量序列部分和的Marcinkiewicz-Zygmund强律的收敛速度,在对随机变量的矩给出一定的限制时,关于无界ψ-混合序列(未必平稳)得到了与[2]中主要结果相类似的结论。     

统计收敛的测度理论

建立统计收敛的测度理论已经成为统计收敛研究领域的核心问题, 因为一种合理的理论不仅是把各种统计收敛统一起来, 而且是统计收敛通向测度理论、积分理论、概率论和数理统计的桥梁. 基于这个原因, 首先 证明了由N 的所有子集生成的σ-代数$\mathscr{A}$ 上的所有有限可加概率测度的表示定理; 证明了每个有限可加概率测度都可以唯一的分解为一个可数可加概率测度和一个统计测度(即一个有限可加概率测度μ, 对任意的单 点集{k} 有μ(k)=0)的凸组合. 本文还证明了经典统计测度的许多良好性质, 例如: 由所有经典统计测度组成的集合$\mathscr{S}$ 在$\mathscr{A}$上赋予逐点收敛的拓扑就成为紧凸的~Hausdorff 空间; 每一个经典统计测度都是连续型的~(所以是缺原子的); 对N中的任意子集，每一类特殊的统计测度都满足互余极大极小原理; 每一类统计收敛都可以在统计测度的意义下得到统一.     

关于广义{\Phi}-增生算子的最速下降法的收敛定理

设$E$为一致光滑Banach空间,$A:E\to E$为有界次连续广义${\it \Phi} $-增生算子满足:对任意$x_0\in E$,选取$m\ge 1$,使得$\| x_0 - x^* \| \le m$且$\mathop {\underline {\lim } }\limits_{r \to \infty } {\it \Phi} (r) > m\left\| {Ax_0 } \right\|$.设$\{C_n\}$为$[0,1]$中数列满足控制条件: i)$C_n\to 0\,(n\to\infty)$; ii)$\sum\limits_{n = 0}^\infty {C_n } = \infty $.设$\{x_n\}_{n\ge0}$由下式产生x_{n + 1} = x_n - C_n Ax_n ,\q n \ge 0, \eqno{(@)}$$则存在常数$a>0$,当$C_n < a$时,$\{x_n\}$强收敛于$A$的唯一零点$x^{*}$.     

?混合序列加权和的强极限收敛定理

利用?混合序列的矩不等式和随机变量截尾的方法,研究了不同分布?混合序列加权和完全矩收敛和完全收敛等性质,得到了其加权和情形下的强极限收敛定理.所获主要结果推广和改进了葛梅梅等人(高校应用数学学报,2013,28(4):424-430)关于?混合序列加权和强收敛性的相应结论.     

不同分布ρ混合序列乘积和的强收敛性

研究了ρ混合序列的收敛性质,利用得到的结果和ρ混合序列的矩不等式讨论了ρ混合序列乘积和的强收敛性质.     

?混合序列加权和的强极限收敛定理北大核心CSCD

利用?混合序列的矩不等式和随机变量截尾的方法,研究了不同分布?混合序列加权和完全矩收敛和完全收敛等性质,得到了其加权和情形下的强极限收敛定理.所获主要结果推广和改进了葛梅梅等人(高校应用数学学报,2013,28(4):424-430)关于?混合序列加权和强收敛性的相应结论.     

关于伪压缩映象不动点迭代的一点注记

设$K$是自反的并且具有一致Gateaux可微范数的Banach空间$E$的非空有界闭凸子集.设$T:K\rightarrow K$是一致连续的伪压缩映象.假设$K$的每一非空有界闭凸子集对非扩张映象具有不动点性质.设$\{\lambda_n\}$是$(0,\frac{1}{2}]$中序列满足: (i) $\lim_{n\rightarrow \infty}\lambda_n=0$; (ii) $\sum_{n=0}^{\infty}\lambda_n=\infty$.任给$x_1\in K$,定义迭代序列$\{x_n\}$为:$x_{n+1}=(1-\lambda_n)x_n+\lambda_nTx_n-\lambda_n(x_n-x_1),n\geq 1.$若$\lim_{n\rightarrow \infty}\|x_n-Tx_n\|=0$, 则上述迭代产生的$\{x_n\}$强收敛到$T$的不动点.     

不同分布φ混合序列乘积和的强收敛性

利用φ混合序列矩不等式讨论了φ混合亭列乘积和的强收敛性质．