广义混合变分不等式的Levitin-Polyak适定性

首先给出广义混合变分不等式的Levitin-Polyak-α-近似序列以及适定性的定义.然后,定义广义混合变分不等式的gap函数并证明广义混合变分不等式的Levitin-Polyak适定性与其相应的gap函数的极小化问题的Levitin-Polyak适定性之间的等价性.最后,研究广义混合变分不等式的(广义)Levitin-Polyak-α-适定性的Furi-Vignoli型度量性质.     

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.     

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.     

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.     

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.     

ρ-混合序列的重对数律

设{Xn,n≥1}是同分布ρ-混合序列,其分布属于特征指数为α(0<α<2) 的非退化稳定分布的正则吸引场,证明了依概率1有lira supn→∞ = e1/α,并获得了一系列等价条件．此结果的获得不仅将已有的一些结果推广至ρ-混合序列的情形,并且将其结果作了一定的改进．     

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.     

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.     

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.     

混合序列矩不等式和非参数估计

对p-混合、(?)-混合序列给出两个矩不等式,它们在加权和序列研究中比邵启满在[6]、[7]中给出的矩不等式更实用.作为应用,这里讨论非参数递归密度核估计的强收敛速度和非参数回归函数加权核估计的强相合性,获得较好结论.     

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.     

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.     

相依样本平滑移动过程的矩完全收敛性

本文研究了基于(φ)-混合随机序列的平滑移动过程.利用矩不等式和截尾的方法,获得了基于(φ)-混合随机序列平滑移动过程的矩完全收敛性的充分条件,推广了文[4]和[8]的结果.     

φ-混合序列加权和的矩完全收敛性

本文研究了φ-混合序列加权和的矩完全收敛性.利用矩不等式和截尾的方法,获得了φ-混合序列加权和的矩完全收敛性的充分条件.所得结果推广了Ahmed等(2002)及陈平炎和王定成(2010)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.     

广义混合变分不等式的近似点-投影算法

引入了求解广义混合变分不等式的近似点-投影算法,证明了由算法所生成迭代序列强收敛于非扩张映射不动点集合与广义混合变分不等式解集合的公共元素.方法和结果是新的,且推广了这一领域内许多已知结果.     

正定矩阵的Hadamard乘积的一个矩阵不等式的精细

周知的正定矩阵A和B的Hadamard乘积矩阵不等式 :(A B) -1 ≤A-1 B-1 被精细为(A B) -1 ≤diag((A-1 (α) -1 B(α) ) -1 ,(A(α′) B-1 (α′) -1 ) -1 ) ,≤diag(A-1 (α) B(α) -1 ,A(α′) -1 B-1 (α′) )≤A-1 B-1 ,这里A(α)是A的主子矩阵且α′是α的补序列 ;同时给出了这些不等式的等式成立的充分必要条件     

φ-混合序列加权和的矩完全收敛性（英文）

本文研究了φ-混合序列加权和的矩完全收敛性.利用矩不等式和截尾的方法,获得了φ-混合序列加权和的矩完全收敛性的充分条件.所得结果推广了Ahmed等(2002)及陈平炎和王定成(2010)的结论.     

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.     

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.