关于Von－Mises统计量的非一致性收敛速度

本文研究了Ｖｏｎ－Ｍｉｓｅｓ统计量的非一致性收敛速度，得到与Ｕ－统计量类似的收敛速度．     

广义U—统计量的指数收敛速度

文「１」研究了一样本Ｕ－统计量的指数收敛速度，本文则研究了广义Ｕ－统计量的指数收敛速度。     

关于有界核两样本U统计量余项的指数收敛速度

设Ｕｍｎ是以有界对称函数　（ｘ，ｙ）为核的两样本Ｕ－统计量．本文讨论了Ｕｍｎ与其投影之差的指数收敛速度问题，它有别于Ｈｏｅｆｆｄｉｎｇ关于有界核Ｕ－统计量的指数不等式．是两样本Ｕ－统计量所特有的．     

U—统计计量投影残差的指数收敛速度及其应用

本文研究了一样本Ｕ－统计量投影残差的收敛速度，在核函数有界及某种意义下的指数型有界时，本文得到了一些指数收敛速度，最后，利为上述结果的应用，本文还研究了刻度参数的变点问题。     

关于U-统计量完全收敛性

本文讨论了满足E[f(xi,yj)xi]=E[f(xi,yj)xj]=0的U－统计量最大值完全收敛性的充分条件,降低了王岳宝1996年论文中的矩条件,进一步对一般形式的多元函数的U－统计量最大值的完全收敛性的充分条件进行了讨论,得到了较理想的结果。     

由一段样本产生的U-统计量的强极限定理

本文提出了一类不完全统计量,它们是由一段相继观察值产生的,并且研究了由这类观察值产生的 Ｕ－统计量的强极限定理．     

学生化U—统计量的Edgeworth展开和Bootstrap逼近

本文研究学生化Ｕ－统计量的Ｅｄｇｅｗｏｒｔｈ展开和Ｂｏｏｔｓｔｒａｐ逼近，在核函数ｈ较弱的矩条件下，给出了学生化Ｕ－统计量的一项Ｅｄｇｅｗｏｒｔｈ展开式和Ｂｏｏｔｓｔｒａｐ逼近。     

学生化U－统计量的Edgeworth展开和Bootstrap逼近

本文研究学生化Ｕ－统计量的Ｅｄｇｅｗｏｒｔｈ展开和ＢｏｏｔｓｔｒａＰ逼近，在核函数ｈ较弱的矩条件下，给出了学生化Ｕ－统计量的一项Ｅｄｇｅｗｏｒｔｈ展开式和Ｂｏｏｔｓｔｒａｐ逼近．     

U-统计量的指数收敛速度的进一步讨论

在独立未必同分布的情形下，对U－统计量的指数收敛速度进行了讨论，减弱文[2]中的部分条件，给出了类似的结果，同时对Von-Mises统计量也给出了指数收敛速度。     

加权U—统计量的一个重对数律

证明了关于独立同分布随机变量序列的加权Ｕ－统计量的一个重对数律,类似于献「３」证明了一个加权Ｕ－统计量的解耦不等式。     

On the rate of convergence and aymptotic expansions forU-statistics under alternatives

In this paper, we consider asymptotic expansions and the rate of convergence for the distribution function of asymptotically efficient U-statistics under alternatives in the one-sample problem. Section 1 is an introduction. Section 2 contains the theorem concerning the rate of convergence for U-statistics; in Sec. 3, we formulate sets of sufficient conditions under which Edgeworth-type asymptotic expansions for U-statistics under alternatives will be constructed (see Theorem 2). Finally, these theorems are proved in Sec. 4. Supported by the Russian Foundation for Basic Research (grant No. 96-01-01919). Proceedings of the Seminar on Stability Problems for Stochastic Models, Vologda, Russia, 1998, Part II.     

An Exponential Inequality for U-Statistics Under Mixing Conditions

The family of U-statistics plays a fundamental role in statistics. This paper proves a novel exponential inequality for U-statistics under the time series setting. Explicit mixing conditions are given for guaranteeing fast convergence, the bound proves to be analogous to the one under independence, and extension to non-stationary time series is straightforward. The proof relies on a novel decomposition of U-statistics via exploiting the temporal correlatedness structure. Such results are of interest in many fields where high-dimensional time series data are present. In particular, applications to high-dimensional time series inference are discussed.     

关于自助 U-统计量的渐近性质

一、引言设 X_1,X_2,…,X_n 为来自分布 F 的独立随机变量,h(x_1,x_2)为关于两个变元 x_1,x_2对称的 Borel 可测函数。设 Eh(X_1,X_2)=θ,那么下面定义的 U-统计量     

随机足标U-统计量逼近正态的阶

随机变量随机和的收敛性问题无论在理论上还是实用上都是有重要意义的。关于随机和的中心极限定理已有相当一般的结果。近十年来又有一系列讨论收敛速度的文章(如Landers和Rogge[1],Sreehari[2]和Prakasa Rao[3])。关于U-统计量,它的随机中心极限定理已在Sproule[4]中给出。近年采对U-统计量的Berry-Esseen不等式也有相当深入的结果(如赵林城[5],林正炎[6])。本文进一步讨论U-统计量的随机中心极限定理的收敛速度。     

k-U统计量的指数收敛速度

研究了k-U统计量的收敛速度,在一组适当的正则条件下,获得了k-U统计量的指数收敛速度,推广了U-统计量的指数收敛速度的相应结果.     

The Law of the Iterated Logarithm and Central Limit Theorem for L-Statistics

The Chung–Smirnov law of the iterated logarithm and the Finkelstein functional law of the iterated logarithm for empirical processes are used to establish new results on the central limit theorem, the law of the iterated logarithm, and the strong law of large numbers for L-statistics with certain bounded and smooth weight functions. These results are used to obtain necessary and sufficient conditions for almost sure convergence and for convergence in distribution of some well-known L-statistics and U-statistics, including Gini's mean difference statistic. A law of the logarithm for weighted sums of order statistics is also presented.