连续型随机序列与幂函数分布的比较及几何平均的若干强极限定理

本引入似然比概念作为一般连续型随机变量相对于乘积函数分布的偏差的一种随机性度量，运用鞅理论及分析方法^[3,4]，得到了一种新形式的强大数定理，即关于随机变量几何平均Gn(ω）＝[nПi=1Xi]1/n的强极限定理。     

关于抽象维纳空间理论的注记

<正> §1.引言本文主要目的是建立关于取值于巴拿赫空间的独立随机变量和的性质与抽象维纳空间内部结构之间的紧密联系.文[3]将关于独立随机变量和的 Levy 定理推广到抽象值随机变量,并将其应用于布朗运动(古典维纳过程),证明了推广的 Wiener 定理.本文§3将这种抽象值随机变量的Levy 定理应用于抽象维纳空间,直接导出关于它的内部结构的主要定理,即关于在 Gross意义下的抽象维纳空间的高斯柱集测度的可延拓性与其中范数的可测性的等价性定理的一种有用变型.     

关于随机变量序列几何平均的强极限定理

本文利用似然比作为一般连续型随机变量相对独立随机变量偏差的一种随机性度量 ,用矩变换构造几乎处处收敛的上鞅 ,结合分析方法 ,得到了一种乘积形式的强极限定理 .     

随机变量的截尾与任意随机变量序列的强极限定理

利用随机变量的截尾研究任意随机变量序列的性质,建立了一类矩条件下任意随机变量序列的强极限定理.作为推论,得到了可列非齐次马尔可夫过程的一个强极限定理,推广了鞅差序列当1≤p≤2和p≥2时的Chow定理,相应的一些已有结果和若干经典的关于独立随机变量序列的强大数定律是本文的特例。     

关于离散型随机变量次序统计量分布矩阵对称性猜想的探索

本文研究了离散型随机变量次序统计量的分布矩阵的对称性 ,获得了二个定理 .定理 1　服从等概率二点分布或等概率三点分布的离散型随机变量的次序统计量的分布矩阵是对称矩阵 .定理 2　取值有限且等概率的离散型随机变量的次序统计量的分布矩阵具有中心对称性 .     

独立随机变量部分和的大偏差

本文把 Cramer 关于独立同分布随机变量序列部分和的大偏差的一个定理推广到独立不同分布随机变量序列的情形,获得了如下结果:定理设{X_j)j>1是实值独立随机变量序列,F_j(x)是 X_j 的分布,如果     

关于随机变量序列几何平均的强极限定理

本利用似然比作为一般连续型随机变量相对独立随机变量偏差的一种随机性度量，用矩变换构造几乎处处收敛的上鞅，结合分析方法，得到了一种乘积形式的强极限定理。     

关于离散型随机变量次序统计量分布矩阵对称性猜想的探索

本研究了离散型随机变量次序统计量的分布矩阵的对称性,获得了二个定理。定理1服从等概率二点分布等概率三点分布的离散型随机变量的次序统计量的分布矩阵是对称矩阵。定理2取值有限且等概率的离散型随机变量的次序统计量的分布矩阵具有中心对称性。     

平稳随机过程随机和的中心极限定理

<正> §1 引言相互独立随机变量随机和的极限定理(如 A.Rényi,S.Guia(?)u)和相依随机变量的极限定理(如)是古典极限定理发展的两个重要方面.近年来也有人进一步考虑了相依随机变量随机和的极限定理(如 P.Rao).本文给出了弱相依强平稳随机过程{x_n,-∞相似文献   

随机变量的截尾与几个经典强大数定律的推广

利用随机变量的截尾方法和条件三级数定理这一工具研究任意随机变量序列的性质,得到了矩条件下任意随机变量序列的一类强极限定理和强大数定律以及一些简单实用的结论,推广了与此相应的一些结果和若干经典的强大数定律.     

功率和的强逼近

设$\{\xi_n, n\geq 1\}$是正的随机变量序列, $\ep \xi_1=\theta>0$, 设$S_n = \sum\limits_{i=1}^n \xi_i, Y_n=n\theta\log (S_n/(n\theta))$. 在该文中, 当$\{\xi_n\}$是独立同分布或强平稳$\varphi$ -混合的正随机变量序列时,作者给出功率和$\{Y_n\}$用Wiener过程的强逼近结果.     

$B$值混合随机变量的强大数定律

本文在Banach空间$B$是$p$可光滑($1相似文献   

Convergence Rates of Wavelet Estimators in Semiparametric Regression Models Under NA Samples

Consider the following heteroscedastic semiparametric regression model:yi =XTiβ + g(ti) + σiei, 1 ＜ i ≤ n,where {Xi,1 ＜ i ＜ n} are random design points,errors {ei,1 ＜ i ＜ n} are negatively associated (...     

A note on the strong laws of large numbers for random variables

Let \({\{X_n, n \geq1 \}}\) be a sequence of random variables and {b_n, n ≥ 1} a nondecreasing sequence of positive constants. No assumptions are imposed on the joint distributions of the random variables. Some sufficient conditions are given under which \({\lim_{n\to \infty}\sum_{i=1}^n X_i/b_n=0}\) almost surely. Necessary conditions for the strong law of large numbers are also given.     

污染数据半参数回归模型估计的渐近正态性

考虑半参数回归模型：ｙｉ＝ ｘｉβ＋ ｇ（ｔｉ）＋ ｅｉ,ｉ＝ １,２,…,ｎ．其中 Ｅｅｉ＝ ０, Ｅｅ２ｉ＝ σ２１ ＞ ０．假定ｙ１,ｙ２,…,ｙｎ 受到另一独立同分布随机变量序列 μ１,μ２,…,μｎ 的污染,｛μｉ｝与｛ｙｉ｝独立,且仅能观察到污染数据．文［１］对由污染数据作出的参数 β的估计 βｎ,证明了它的强相合性,而本文则证明了它的渐近正态性     

On the strong law of large numbers and additive functions

Let f(n) be a strongly additive complex-valued arithmetic function. Under mild conditions on f, we prove the following weighted strong law of large numbers: if X,X ₁,X ₂, … is any sequence of integrable i.i.d. random variables, then

半参数回归模型小波估计的强相合性

考虑半参数回归模型y_i~(n)=X_i~((n)T)β+g(t_i~(n))+ε_i~(n)(1■i■n),其中β∈R~d为未知参数,g(t)为[0,1】上的未知Borel函数,X_i~(n)为R~d上的随机设计,随机误差序列{ε_i~(n)}为鞅差序列,{t_i~(n))为[0,1]上的常数序列．本文用小波的方法得到β、g(t)的估计量分别为■_n、■_n(t),并证明了它们的强相合性．     

截断和随机乘积的渐近性质

对一列独立同分布平方可积的随机变量序列{Xn,n≥1},当随机变量的分布具有中尾分布时,讨论了其截断和Tn(a)的随机乘积的渐近正态性质,其中Tn(a)=Sn-Sn(a),n=1,2,…,Sn(a)=n∑ j=1 XjI{Mn-a＜Xj≤Mn},a为某一大于零的常数'Mn=max 1≤k≤n{Xk}.     

风险模型中重尾随机变量和的若干大偏差结果

进一步研究随机变量部分和与随机和的大偏差,其中S(n)=∑ni=1Xi,S(t)=∑N(t)i=1Xi(t>0).{Xn,n≥1}是一个独立同分布的随机变量(未必是非负的)序列具有共同的分布F(定义于R上)和有限期望μ=EX1.{N(t),t≥0}是一个非负的整数值的随机变量的更新计数过程且与{Xn,n≥1}相互独立.本文在假定F∈C条件下,进一步推广并改进了由Klüppelberg等和Kaiw等人给出的一些大偏差结果.这些结果可应用到某些金融保险方面的一些特定的问题中去.     

重尾平稳序列的大偏差

本文给出了一类重尾的随机变量序列{Xn,n≥1}的部分和Sn=∑i=1 n Xi与随机和S(t)=∑i=1^N(t) Xi的大偏差结果其中{N(t),t≥)}是一族非负整值的随机变量，{Xn,n≥1}是非负的平稳过程，并且与{N(t),t≥0}独立。本文将独立同分布情形的结果掖到了平稳相依的情形。