弱相依随机序列的若干新结果(英文)

设{Xn,n≥1}为-混合序列. 利用随机变量的截尾方法和-混合序列的三级数定理,讨论了-混合序列的收敛性质,并且得到了-混合序列的一类强极限定理,这些结果推广了独立序列的相应结果.最后研究了-混合序列加权和的强稳定性.     

ρ-混合序列部分和的精确渐近性

设{X_n;n≥1}是均值为零的严平稳ρ-混合序列,利用ρ-混合序列的弱收敛定理及概率不等式,在适当的矩条件下,得到了ρ-混合序列部分和的精确渐近性的一般结果.     

ρ-混合序列的大数定律和完全收敛性

主要研究了ρ-混合序列的大数定律和完全收敛性,获得了与ρ-混合序列情形一样的大数定律和完全收敛性．     

ρ*-混合序列加权和的完全收敛性

讨论了ρ*-混合序列加权和的完全收敛性,将文[8]中的定理3推广至ρ*-混合序列的情形且加强了文[8]中的定理3的结论.将文[9]中的定理推广至ρ*-混合序列的情形.     

(ρ)-混合序列的不变原理

给出一类较广泛的(ρ)-混合序列,并证明了在一定的矩条件下,(ρ)-混合序列的不变原理成立.     

一类矩不等式及应用

本文获得两两独立序列,NQD序列,φ-混合序列,ρ-混合序列的Bahr-Esseen型矩不等式.作为应用,获得这些序列的均值收敛性,H′ajek-R′enyi不等式,强收敛性,极大值矩的存在性,等等.     

α-混合序列指数不等式及强大数定律

给出了α-混合序列部分和的一个指数不等式,并利用指数不等式证得了α-混合序列的强大数定律及强收敛速度.     

φ-混合随机变量序列收敛性质的若干新结果

本文将Kolmogorov型不等式推广到φ-混合序列,并且研究其强收敛性质,得到了φ-混合序列的Khintchine-Kolmogorov型收敛定理、三级数定理和Marcitlkiewicz型强大数定律.     

两两独立序列加权和的L~r收敛性

讨论了两两独立随机变量列加权和在满足r(1≤r<2)阶Ces`aro一致可积条件下的Lr收敛性,获得了与独立情形一致的结果.用相似的方法,对于其它相依或混合序列(如两两NQD列,φ-混合序列,ρ-混合序列)也有相同的结果.     

一矩不等式及其应用

本文对取值于 Banach 空间的Φ-混合序列得到了一矩不等式,作为推论,对独立情形获得了比 Marcinkeiwicz-Zygmud 更为实用的矩不等式,作为应用,讨论了实值 (?)-混合序列的完全收敛性,取值于 p-型空间独立和的完全收敛性以及实值 (?)-混合序列的几乎处处不变原理等问题,获得了理想的结果.     

α-混合序列部分和乘积精确渐近性的一般形式

利用前人获得的α-混合序列部分和乘积的渐近分布的结果,对一般的边界函数和拟权函数得到了α-混合序列部分和乘积的精确渐近性的一般形式.     

ρˉ混合序列的H～jeck-Rènyi型不等式及其应用

利用ρ-混合序列的Rosenthal型最大值不等式,得到了ρ-混合随机变量序列的Hájeck-Rènyi型不等式,三级数定理和Chung型强大数律,所得结果达到了独立时一致的结果.     

基于α-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.本文把这些基于独立同分布序列的结果推广到了α-混合序列,应用Markov不等式得到了基于α-混合序列的学习机器一致收敛速率的界.     

ρ~-混合序列的H～jeck-Rènyi型不等式及其应用

利用ρ-混合序列的Rosenthal型最大值不等式,得到了ρ-混合随机变量序列的Hájeck-Rènyi型不等式,三级数定理和Chung型强大数律,所得结果达到了独立时一致的结果.     

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     

加权和线性过程的渐近正态性

本文建立了α-混合序列情形的加权和平稳线性过程的渐近正态性.获得的结论基于最少的权条件.所得结论将Abadir等[Econometric Theory,2014,30(1):252-284]中的结论推广至α-混合序列情形.     

φ-混合序列加权和的完全收敛性

该文把Chen和Sung (文献[1])的一个关于同分布NA随机变量序列加权和最大值完全收敛性结果推广到了φ-混合随机变量序列情形.由于已有文献所用的工具本质上是部分和最大值指数型概率不等式,而对于φ-混合随机变量序列而言,没有那么好的指数型不等式,因此原有的证明方法已失效.该文将应用φ-混合随机变量序列部分和最大值的2-阶Marcinkiewicz-Zygmund矩不等式,结合再截尾方法,获得了理想的结果.该文的证明方法不同于已有结果的证明方法.     

Ψ-混合随机变量序列的强大数定律(英文)

主要研究Ψ-混合随机变量序列部分和的强大数定律,并且得到了一些新结果在混合系数满足一定条件时,本文的结果推广了独立序列的相应结果.     

ρ-混合序列加权和的完全收敛性及其应用

本文研究了ρ-混合序列加权和的一些强极限定理,利用最大值矩不等式,获得了ρ-混合序列加权和的完全收敛性.并将此结果应用于线性回归模型参数的最小二乘估计及非参数回归模型的权函数估计.     

加权和线性过程的渐近正态性（英文）

本文建立了α-混合序列情形的加权和平稳线性过程的渐近正态性.获得的结论基于最少的权条件.所得结论将Abadir等[Econometric Theory,2014,30(1):252-284]中的结论推广至α-混合序列情形.