非平稳ND序列部分和的精确渐近性

利用中心极限定理和概率不等式,本文建立了非平稳ND序列部分和的精确渐近性,得到了与非平稳NA序列情形下相同的结果.     

非平稳NA序列部分和的精确渐近性

本文探讨了非平稳NA序列部分和的精确渐近性．以前的文献在讨论NA序列此类极限性质时都附加有强平稳条件的限制,这必然会给一些问题的研究带来不便．周知,非平稳NA序列在许多实际问题中是大量存在的,所以解除强平稳条件的束缚具有较大的理论和实际意义,这正是本文的目的之所在,同时本文也将已有的一些结果包含成为特殊情形．     

NA序列部分和的完全收敛性

本文讨论了非平稳NA随机变量序列部分和的完全收敛性,获得了一般形式的完全收敛速度与矩条件之间的等价关系,其结果与独立情形一致,从而证实了NA序列与独立序列有着极为类似的完全收敛性．     

同分布NA序列的强收敛性

本文讨论了NA序列极限理论中的一些基本问题．首先证明了对称化的NA族仍为NA族，建立了基于通常截尾术的NA序列的三级数定理；并在此基础上给出了同分布NA序列的与iid序列完全一致的Marcinkiewicz强大数律，还得到了关于同分布NA序列的与iid序列极为相似的有关完全收敛性的一系列等价性命题．     

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.     

NA随机变量序列的Egorov型强大数律的等价条件

本文研究了NA随机变量的Egorov型强大数律.利用NA随机变量的概率不等式,得到了NA随机变量序列的Egorov型强大数律的一些等价条件,所获结果推广和改进了在独立随机变量序列的Egorov的结果和在NA随机变量序列已有的一些结果.     

NA序列部分和的矩完全收敛性

讨论了NA序列部分和的矩完全收敛性,在一定条件下获得了NA序列矩完全收敛的充要条件,显示了矩完全收敛和矩条件之间的关系,将独立同分布随机变量序列矩完全收敛的结果推广到NA序列,得到了与独立随机变量序列情形类似的结果.     

NA及B-值随机变量序列的平均移动过程的大偏差原理

本文在比较一般的条件下建立了两个大偏差原理：平稳NA随机变量序列的平均移动过程的大偏差原理和独立同分布的B-值随机变量序列的平均移动过程的大偏差原理。     

强平稳NA列的乘积和过程的弱收敛性

得到了强平稳NA列的乘积和过程的弱收敛性。     

NA序列的矩不等式与弱收敛

对NA随机变量序列建立了关于部分和S_n的一个概率不等式,关于|S_n|与max(1≤k≤n)|S_k|的P≥2阶矩的有关不等式,并在一般的条件下证明了强平稳NA序列的一个弱不变原理。     

NA及LNQD随机变量列的几乎处处中心极限定理

本文在二阶矩存在的条件下,证明了NA及LNQD随机变量列的几乎处处中心极限定理,使主要结果成立,其中W为[0,1]上标准Brown运动。     

LARGE DEVIATIONS AND MODERATE DEVIATIONS FOR m-NEGATIVELY ASSOCIATED RANDOM VARIABLES

M-negatively associated random variables,which generalizes the classical one of negatively associated random variables and includes m-dependent sequences as its par- ticular case,are introduced and studied.Large deviation principles and moderate devi- ation upper bounds for stationary m-negatively associated random variables are proved. Kolmogorov-type and Marcinkiewicz-type strong laws of large numbers as well as the three series theorem for m-negatively associated random variables are also given.     

Towards a universal self-normalized moderate deviation

This paper is an attempt to establish a universal moderate deviation for self-normalized sums of independent and identically distributed random variables without any moment condition. The exponent term in the moderate deviation is specified when the distribution is in the centered Feller class. An application to the law of the iterated logarithm is given.

     

非平稳NA随机变量满足迭对数律及大数定律的充分条件

本文应用Shao所提供的极大值矩不等式及概率不等式,给出了不具有平稳分布的NA随机变量列满足迭对数律和大数定律的充分条件.     

离散指数分布序列的强偏差与强逼近

本文引入离散指数分布概念,建立了关于离散型指数分布序列的强偏差定理和强大数定律.同时,得到离散指数分布序列对连续指数分布序列的强逼近.     

Cramér-type moderate deviations for stationary sequences of bounded random variables

We derive Cramér-type moderate deviations for stationary sequences of bounded random variables. Our results imply the moderate deviation principles and a Berry–Esseen bound. Applications to quantile coupling inequalities, functions of ?-mixing sequences, and contracting Markov chains are discussed.     

Moderate Deviations via Cumulants

The purpose of the present paper is to establish moderate deviation principles for a rather general class of random variables fulfilling certain bounds of the cumulants. We apply a celebrated lemma of the theory of large deviations probabilities due to Rudzkis, Saulis, and Statulevi?ius. The examples of random objects we treat include dependency graphs, subgraph-counting statistics in Erdös–Rényi random graphs and U-statistics. Moreover, we prove moderate deviation principles for certain statistics appearing in random matrix theory, namely characteristic polynomials of random unitary matrices and the number of particles in a growing box of random determinantal point processes such as the number of eigenvalues in the GUE or the number of points in Airy, Bessel, and sine random point fields.     

平稳NA序列的中偏差原理

设｛Ｘｎ;ｎ≥１｝是平稳ＮＡ序列。假设Ｘ１具有有限的指数阶矩及其它适当条件,本文利用Ｃｒａｍｅｒ方法及分块技术,证明了｛Ｘｎ;ｎ≥１｝的部分和序列满足中偏差原理。     

关于NA随机变量极限定理的注记

NA随机变量是一包含独立随机变量在内的有广泛应用的随机变量类,本文在一些更弱的条件下,建立了具有不同分布NA随机变量列的强大数律和有界重对数律,进而推广了已有的关于NA随机变量的结果。     

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。