独立随机变量和的强稳定性

独立随机变量和的强稳定性王启应（南京大学数学系，２１０００８）国家自然科学基金资助的课题．１９９１年１２月１４日收到．设为ｉ．ｉ．ｄ．的随机变量序列为两列常数．若，则称序列Ｓｎ关于是强稳定的．众所周知，对不同的常数列的强稳定性研究已取得了极为丰富的成...     

关于 U-统计量渐近正态收敛速度的上、下界

§1.引言及主要结果设{X_n}是 i.i.d.的 r.v.序列,h(z,y)为对称的 Borel 可测实值函数,以 h(x,y)为核的 U-统计量定义为U_n=(?)~(-1)(?)h(X_i,X_j).(1)关于 U_n (适当正则化后)的分布函数向标准正态分布函数一致收敛速度的上方估计,1978年 Callaert 和 Janssen 在 Eh(X_1,X_2)=0,E|h(X_1,X_2)|~3<∞的条件下,给出了其 Berry-Essen 不等式.随后,1981年赵林诚,1983年林正炎又进一步减弱了关于矩的条件,得到相应的一些结果.作者最近重新研究了上述 U-统计量向正态逼近的一     

关于双下标序列和渐近正态收敛速度的描述

设ε_j-∞≤j≤∞为一串 i.i.d.r.v.序列,{a_(nj)}为双下标常数列,S_n=(?)α_(nj)ε_j,A_n~2=(?) α_(nj)~2。本文研究了 (S_n)/(A_n) 渐近正态收敛速度的各种描述,其中包括非一致 Berry-Essen 界,L_p(1≤p≤∞)下界等。     

关于误差方差估计渐近正态收敛速度的上,下界

考虑线性回归模型 Y_■=x_4~′β+e_■ i=1,2,…设误差序列■,i≥1满足条件:e_■ i≥1 i.i.d.,Ee_1=0,Ee_1~2=σ~2>0,∞>Var e_1~2=τ~2>0。记■_n~2=1/(n-r){sum from j=1 to n e■-sum from k=1 to r (sum from j=1 to n a_(akj)■_j)~2} δ(n)=τ~(-2)E(■_1~2-σ~2)~2I_((|■-σ~2|≥■τ)+τ~(-3)n~(1/2)|E(■_1~2-σ~2)~3I_((|■_1~2-σ~2|<(nτ)~(1/2))+τ~(-4)n~(-1)E■_1~2-σ~2)~4I_((|■-σ~2|0使得■|P(■_n~2-σ~2)/(Var■_n~2)~(1/2))≤x)-Φ(x)|≤C(δ(n)+n~(-1/2)) ■|P(■_n~2-σ~2)/(Var■_n~2)~(1/2))≤x)-Φ(x)|+n~(-1/2)≥C_1δ(n)。     

NON－UNIFORM RATES OF CONVERGENCE FOR DOUBLE ARRAYS OF INDEPENDENT RANDOM VARIABLES WITH APPLICATIONS

ＷＡＮＧＱＩＹＩＮＧ（王启应）（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１０００８，Ｃｈｉｎａ）（ＴｈｉｓｐｒｏｊｅｃｔｉｓｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄ...     

关于Summability Methods的非一致Berry-Essen界及其对重对数律收敛速度、小参数问题的应用

设{X_j,j≥1}是一串独立r.v.序列,对每一个j≥1,c_j(λ)是(0,+∞)上的连续函数或λ仅取值n=1,2,….且设0≤c_j(λ)≤1对一切j,λ记S_λ=Σ_(j=1)~∞c_j(λ)X_j.对应于X_j,j≥1满足相同分布的情形,适当正则化后,在一定的条件下,[1],[2]研究了S_λ渐近正态分布的非一致收敛速度.[3],[4]则考虑了其重对     

线性模型中误差方差估计的Lp（1≤p≤∞）—度量性质

§1.引言及主要结果 考虑线性回归模型 Y_i=x′_iβ+e_i,i=1,2,…,(1)其中{e_i}为独立的试验误差序列,满足条件 Ee_i=0,0相似文献   

具有无界计分函数的L－统计量的Bootstrap逼近

利用经验过程方面的若干事实，本文建立了具有无界计分函数的Ｌ－统计量的Ｂｏｏｔｓｔｒａｐ逼近，取得了较为理想的结果．     

关于U-统计量的非一致性收敛速度

研究了高阶矩条件下,U-统计量的非一致性收敛速度,给出了一系列平行于独立和的理想结果.     

L-统计量的Bootstrap逼近速度

在较为理想的条件下,本文获得了L-统计量的Bootstrap逼近速度.同时作为补充命题,我们给出了一个L-统计量方差估计的几乎处处收敛性。