SOME CONVERGENCE PROPERTIES FOR THE PARTIAL SUMS OF (ρ～) MIXING SEQUENCES

本文研究了(ρ～)混合序列部分和的若干收敛性质.利用Serfling不等式推广情形,证明了一类随机变量序列部分和的一个收敛性结果,获得了(ρ～)混合序列部分和的收敛性,并进一步得到了(ρ～)混合序列加权和的强收敛性和完全收敛性,推广并改进了文[2]中有关结果.     

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。     

～↑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。     

(～ρ)混合序列的大数定律和完全收敛性

本文研究了(～ρ)混合序列的大数定律和完全收敛性.利用Bryc W.和Smolenski W.不等式,获得了与独立情形一样的大数定律和完全收敛定理.     

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,获得了与独立情形一样的大数定律和完全收敛定理.     

混合序列部分和的强大数定律

设{Xn，n≥1）是ρ^-混合序列．利用随机变量的截尾方法和ρ^-混合序列的三级数定理这一工具研究了ρ^-混合序列的性质。得到了矩条件下ρ^-混合序列的—类强极限定理和强大数定律。并给出了一些简单应用。推广了若干经典的强大数定律．     

ρ-混合序列加权和的完全收敛性

本文研究ρ-混合随机变量序列的加权和.利用文献[10]的矩不等式,在勿需控制混合系数的情况下,得到了完全收敛的充分条件,对“同分布”情形,得到了完全收敛的必要条件,推广了文献[8,10]中的有关结果.     

(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.     

h-可积条件下混合随机阵列的Lr收敛性

在h-可积的条件下,利用(ρ)混合、(Ψ)混合序列矩不等式和截尾法,探讨了(ρ)混合、(Ψ)混合阵列行和的Lr收敛性,获得了一些新结果并推广了有关结论.     

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混合序列下CVaR估计的渐近性质

讨论了在样本为ρ混合序列的情形下,CVaR估计的强相合性和渐近正态性,并且给出了它们各自的收敛速度.     

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．     

行为(ρ)混合阵列加权和的收敛性

本文研究了行为(ρ)混合阵列加权和的收敛性.利用(ρ)混合序列的Rosenthal型最大值不等式,讨论了(ρ)混合阵列加权和的L1收敛性,依概率收敛性,几乎处处收敛性,及完全收敛性之间的等价关系,推广了行独立随机变量阵列相应的结果.     

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)-混合误差下回归函数加权核估计的强相合性

设{yi}是固定在点{xi}的观察值,适合模型yi=g(xi) εi.其中g(x)是[0,1]上的未知函数,{εi}是均值为0的随机误差序列.文献中,在{εi}为独立同分布的条件下,通过构造新的函数gn(x),对g(x)进行了估计.论文将{εi}推广至(~ρ)-混合误差序列的情形,通过附加适当的条件和精细的计算,获得了用gn(x)估计g(x)的同样结论.     

混合序列加权和的强大数定律

设{Xn,n≥1}是同分布随机变量序列,{αnk,n≥1,1≤k≤n}是满足某种条件的常数序列.本文在ψ-混合,ρ-混合,ρ~-混合条件下讨论了加权和∑kn=1ankXk的Kolmogorov强大数定律.     

不同分布混合序列的强收敛速度

讨论了(～ρ)混合序列的强收敛性,获得了与独立情形几乎一致的结果,推广了著名的Marcinkiewicz-Zygmund强大数律.     

不同分布(~ρ)混合序列加权和的完全收敛性

利用指数矩有限条件,研究了不同分布(~ρ)混合序列加权和的完全收敛性,建立并证明了关于阵列加权和完全收敛的两个重要定理,改进、统一和发展了Bai等、Song和Cai的主要结果.     

ρ^ ～混合序列加权和完全收敛性和强收敛性

讨论了ρ^ ～混合序列加权和完全收敛性和强收敛性，推广了Stout和Thrum定理。     

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.