B值强混合随机变量几何加权级数的广义重对数律

设{X,Xn;n≥0}是一取值于可分Banach空间中的同分布Φ~*-混合随机变量序列,并记其几何加权级数为ξ(β)=sum from n=0 to ∞β~nX_n,其中0<β<1.在X的二阶矩可能不存在的条件下,建立了ξ(β)的一个广义重对数律.     

一类统计量的强大数律和重对数律的精确极限性质

设{Xn,n≥1}是独立同分布随机变量序列,EX1=0,EX12=1.设Sn=n∑i=1Xi,Tn=Tn(X1,…,Xn)是随机函数且Tn=Sn+Rn.本文证明在E|Rn|2∨r《∞或E|Rn|《∞下,对随机函数Tn成立着Baum-Katz强大数律和重对数律的精确极限性质的一般结果.由此作为推论,对U-统计量,Von-Mises统计量,线性过程,移动平均过程,线性模型中误差方差估计和功率和等在适当矩条件下均可写出Baum-Katz强大数律和重对数律的精确极限性质.     

NA序列的重对数矩收敛的精确渐近性

假设{X_n,n≥1}为一列严平稳的NA随机变量,期望为零,方差有限.设S_n=∑_(i=1)~n∑X_i,M_n=max_(1≤i≤n)|S_i|.在适当的条件下,得到了一类NA序列部分和部分和最大值重对数矩收敛的精确渐近性.     

在最少条件下的对数律精确渐近性

设$X_1,X_2,\cdots$为独立同分布随机变量, 记S_n=X_1+\cdots+X_n,\;M_n=\max\limits_{k\le n}|S_k|,\;n\ge1$. 本文在充分必要条件下给出了$M_n$和$S_n$的对数律之精确渐近性.     

在${\mathbb{R}}^m$中重对数广义律的精确速率

令\{$X$, $X_n$, $n\ge 1$\}是期望为${\mathbb{E}}X=(0,\ldots,0)_{m\times 1}$和协方差阵为${\rm Cov}(X,X)=\sigma^2I_m$的独立同分布的随机向量列, 记$S_n=\sum_{i=1}^{n}X_i$, $n\ge 1$. 对任意$d>0$和$a_n=o((\log\log n)^{-d})$, 本文研究了${{\mathbb{P}}(|S_n|\ge (\varepsilon+a_n)\sigma \sqrt{n}(\log\log n)^d)$的一类加权无穷级数的重对数广义律的精确速率.     

一类统计量的强大数律和重对数律的精确极限性质

设{xn,m≥1}是独立同分布随机变量序列,EX1=0,EX12=1．设Tn= Tn(X1,…,Xn)是随机函数且Tn=Sn Rn．本文证明在E|Rn|2∨r<∞或E|Rn|<∞下,对随机函数Tn成立着Baum-Katz强大数律和重对数律的精确极限性质的一般结果．由此作为推论,对U-统计量,Von-Mises统计量,线性过程,移动平均过程,线性模型中误差方差估计和功率和等在适当矩条件下均可写出Baum-Katz强大数律和重对数律的精确极限性质．     

U-统计量的一些强极限定理的精确渐近性

设{Xn;n≥1}是一列i.i.d.随机变量序列,Un是以对称函数h(x,y)为核函数的U-统计量.记Un=2n(n-1) 1≤i相似文献   

自正则化和Davis大数律和重对数律的精确渐近性

本文证明了自正则化Davis大数律和重对数律的精确渐近性, 即 {\heiti\bf 定理1}\hy 设$\ep X=0$, 且$\ep X^2I_{(|X|\leq x)}$在无穷远处是缓变函数, 则$\lim_{\varepsilon\searrow0}\varepsilon^2\tsm_{n\geq3}\frac{1}{n\log n}\pr\Big(\Big|\frac{S_n}{V_n}\Big|\geq\varepsilon\sqrt{\log\log n}\Big)=1.${\heiti\bf 定理2}\hy 设$\ep X=0$, 且$\ep X^2I_{(|X|\leq x)}$在无穷远处是缓变函数, 则对本文证明了目正则化Davis大数律和重对数律的精确渐近性,即定理1设EX=0,且EX~2I_(|x|≤x)在无穷远处是缓变函数,则■定理2设EX=0,且EX~2I_(|x|≤x)在无穷远处是缓变函数,则对0≤δ≤1,有■其中N为标准正态随机变量．     

可交换随机变量序列重对数律的收敛速度

本文讨论了可交换随机变量序列{Xn:n≥1)重对数律的收敛速度,得到了可交换随机变量序列与独立序列类似的极限性质,同时给出了可交换序列重对数律收敛速度的一种描述.     

关于可交换随机变量序列的重对数律

本文讨论了可交换随机变量序列{Xn:n≥1}的重对数律。     

A self-normalized law of the iterated logarithm for the geometrically weighted random series

Let {X, X_n; n ≥ 0} be a sequence of independent and identically distributed random variables with EX=0, and assume that EX~2I(|X| ≤ x) is slowly varying as x →∞, i.e., X is in the domain of attraction of the normal law. In this paper, a self-normalized law of the iterated logarithm for the geometrically weighted random series Σ~∞_(n=0)β~nX_n(0 β 1) is obtained, under some minimal conditions.     

A STRASSEN LAW OF THE ITERATED LOGARITHM FOR PROCESSES WITH INDEPENDENT INCREMENTS

Let X = {X(t), t ＞- 0} be a process with independent increments (PII) such that E|X(t)| = 0, Dx(t) ∧= E[X(t)^2 &lt; ∞, limt→∞ Dx(t)/t = 1,and there exists a majoring measure G for the jump △X of X. Under these assumptions, using rather a direct method, a Strassen‘s law of the iterated logarithm (Strassen LIL) is established. As some special cases, the Strassen LIL for homogeneous PII and for partial sum process of i.i.d, random variables are comprised.     

迭代Brown运动的一个Chung型重对数律

X及Y分别为Rd1及Rd2中的相互独立的标准Brown运动,满足X（0）=Y（0）=0．定义,称为一个迭代Brown运动．本文给出了关于Zd1,d2的一个Chung型重对数律．     

A note on some laws of the iterated logarithm

Some function space laws of the iterated logarithm for Brownian motion with values in finite and infinite dimensional vector spaces are shown to follow from Hincin's classical law of the iterated logarithm and some martingale techniques. A law of the iterated logarithm for Brownian motion in a differentible manifold is also stated.     

The Law of the Iterated Logarithm over a Stationary Gaussian Sequence of Random Vectors

Let {X _j } _{j = 1} be a stationary Gaussian sequence of random vectors with mean zero. We give sufficient conditions for the compact law of the iterate logarithm of

和的乘积的重对数律

设{X,X_n,n≥1}是独立的或φ -混合的或 ρ -混合的正的平稳随机变量序列，或$\{X,X_n,n≥1}$是正的随机变量序列使得{X_n-EX,n≥1\} 是平稳遍历的鞅差序列，记S_n=\sum\limitsⁿ_{j=1}X_j, n≥1 . 该文在条件EX=μ> 0 及0 Var(X)<∞下，证明了部分和的乘积$\prod\limits^n_{j=1}S_j/n!\mu^n$在合适的正则化因子下的某种重对数律.     

线性过程的强逼近和重对数律

本文讨论由独立同分布随机变量列产生的线性过程的泛函型重对数律和强逼近, 同时又给出由NA随机变量列产生的线性过程的重对数律.