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.     

Equivalent Conditions of Complete Convergence for Weighted Sums of Sequences of Extended Negatively Dep endent Random Variables

By using Rosenthal type moment inequality for extended negatively dependent random variables, we establish the equivalent conditions of complete convergence for weighted sums of sequences of extended negatively dependent random variables under more general conditions. These results complement and improve the corresponding results obtained by Li et al.(Li D L, RAO M B, Jiang T F, Wang X C. Complete convergence and almost sure convergence of weighted sums of random variables. J. Theoret. Probab., 1995, 8: 49–76) and Liang(Liang H Y. Complete convergence for weighted sums of negatively associated random variables. Statist.Probab. Lett., 2000, 48: 317–325).     

同分布ρ混合序列的矩完全收敛性

获得了同分布ρ混合序列的矩完全收敛性成立的充分必要性条件,推广和改进了已有的结果.     

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.     

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.     

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.     

不同分布ρ--混合随机场的完全收敛性

讨论了不同分布ρ^--混合随机场的部分和的完全收敛性，建立了一个定理，此结果的获得推广了ρ^*-混合随机场和NA序列的相应的结果．     

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.     

行为ρ混合随机变量阵列的完全矩收敛性

本文假设 X ni ;i ≥1,n ≥{}1是一列行为？ρ混合随机变量阵列。在没有同分布和随机控制的假设条件下,作者讨论了？ρ混合随机变量的完全矩收敛性,所获得结果推广和改进了 Hu and Taylor （1997）,Zhu （2006）和 Wu and Zhu （2010）的相应定理。     

?混合序列加权和的强极限收敛定理北大核心CSCD

利用?混合序列的矩不等式和随机变量截尾的方法,研究了不同分布?混合序列加权和完全矩收敛和完全收敛等性质,得到了其加权和情形下的强极限收敛定理.所获主要结果推广和改进了葛梅梅等人(高校应用数学学报,2013,28(4):424-430)关于?混合序列加权和强收敛性的相应结论.     

负相关样本平滑移动过程的矩完全收敛性(英文)

本文研究了负相关样本平滑移动过程Xk=∑∞i=-∞ai+kYi的矩完全收敛性,这里{Yi,-∞相似文献   

混合阵列的收敛性

该文引入了混合阵列的概念,讨论了混合阵列的完全收敛性与依概率收敛性.所得结果,推广了行独立随机变量阵列相应的结果.此外还得到了一般随机变量阵列的完全收敛性与依概率收敛性.     

Complete moment convergence for i.i.d. random variables

In the paper, the complete moment convergence is obtained for i.i.d. random variables such that all moments exist, but the moment generating function does not exist. The main results extend the related known works due to Gut and Stadtmüller.     

某些乘积图上接触过程的完全收敛定理的证明

该文证明了当传染参数充分大时,乘积图G_1×G_2×Z上的接触过程满足完全收敛定理,其中G_1和G_2是任意无穷、局部有限的可迁图(从而度有界).该结果在一定程度上推广了文献[1]的结果.     

关于任意相依随机序列的完全收敛性(英文)

引入极限对数似然比的概念作为任意随机序列的联合分布与其边缘分布的差异的随机性度量,用概率密度比构造几乎处处收敛的上鞅,在适当的条件下,给出任意随机序列完全收敛的若干定理.     

混合序列加权和的完全收敛性和强收敛性

讨论了 ρ混合序列加权和的完全收敛性和强收敛性 ,推广了Stout和Thrum定理     

Convergence rates of tail probabilities for sums under dependence assumptions

Let {X,X1,X2,……}be a zero mean strictly stationary Ф-mixing sequence. Set Sn=∑n k=1 and f（x^p）=∑∞n=1 n^r-2P（｜Sn｜≥x^p√ES2nlog n）,When ε〉（√2）1/p,for p〉1/2 and r〉1,the conditions for ∫∞ε f（x^p）dx 〈∞ to hold is established, by using coupled methods together withstrong approximation, which are different from the traditional symmetrization and Hoffman-JФrgensen inequality.     

负相依样本平滑移动过程的完全收敛性

设{Yi;－∞＜i＜∞}为一负相伴的同分布随机变量序列，{ai；－∞＜i＜∞}为绝对可和的实数序列。本文在适当的条件下。证明了平滑移动过程{∑k=1^n∑i=-∞^∞ai kYi/n^1/t;n≥1}的完全收敛性。     

Complete convergence of weighted sums of martingale differences

LetF _oF ₁ ... be an increasing family of -algebras. For eachn1,X _n isF _n-measurable, andE(X _n|F_n–1) is zero almost surely, andE(|E_n|^p|F_n–1) is bounded by a finite constant almost surely for somep2. Leta _n1,...,a _nn be constants. Conditions are given to establish the complete convergence of (a _n1 X ₁+...+a _nnX_n)/n ^1/p , thereby obtaining an extension of Chow's (1966) result for the case of independent and identically distributed random variables. Whenp>2, the conditions are an improvement on existing results for the case of independence and identical distribution.     

负相伴样本平滑移动过程的完全收敛性

设{Y，Yi，-∞＜i＜∞}为一负相伴同分布随机变量序列，{ai，-∞＜i＜∞}绝对可和的实数序列，本文在适当的条件下，证明了平滑移动过程{∑k=1^n∑i=-∞^∞ai k Yi/n^1/t,n≥1}的完全收敛性．所得的结果改进了[1]中的定理1．