相依随机变量的强大数定律的收敛速度

本文讨论在φ-混合情况下随机强大数定律的收敛速度。此结果与i.i.d.情况一致。     

独立随机变量部分和的强逼近与广义Erds-Rényi大数律

本文首先得到满足Bernstein条件的独立不同分布的随机变量序列部分和强逼近结果,此结果与i.i.d.情形完全一致,达到理想地步.利用强不变原理方法,我们研究了独立不同分布时的改进Erd6s—R《nyi大数定律,我们的结果推广了[2]和[3]的部分结果.     

GL-统计量的中偏差及大偏差

本文讨论GL-统计量的中偏差。Cramer型大偏差及 Chernoff型大偏差。其中关于GL-统计量的中偏差及Cramer 型大偏差结果推广了Vandemaele et al有关L-统计量,U-统计量的结果。这里,首次给出关于 U-统计量的 Chernoff型大偏差。应用它得到 GL-统计量的 Chernoff型的大偏差。所采用的方法为 Gateux微分逼近和 Bahadur 分位数表示法。     

条件密度双重核估计的积分均方误差的中心极限定理

条件密度函数f(y|x)的双重核估计的积分均方误差为在适当条件下,本文讨论了I_n的渐近正态性。     

独立随机变最部分和的强逼近与广义Erdos-R enyi大数律

本文首先得到满足$er}stein条件的独立不同分布的随机变量序列部分和强逼近结果，此结果与‘.i.d.情形完全一致，达到理想地步.利用强不变原理方法，我们研究了独立不同分布时的改进Erdiis-Ran户大数定律，我们的结果推广了〔2〕和〔3〕的部分结果     

条件密度函数双重核估计的精确度的随机测度的收敛性

度量条件密度函数f(ylx)的双重核估计fn(川x)的精确度的量为平均积分均方误差(MISE>，由于MISS的计算是十分困难的我们采用积分均方差误Ap(ISE)和平均均方误差1}(ASE)作为MZSE的估计量，本文在一定条件下，得到Ap和I:与MISE(二EI)之间的关系     

关于截尾U一统计最的Chernof f型大偏差

设M_(nαβ)=(1-α-β)~(-m)(?)和M_(nαβ)=(1-α- β)~(-m)(?)为截尾U-统计量,本文首先给出U-统计量的Chernoff型大偏差的结果,利用它我们得到截尾U-统计量的Chernoff型大偏差.这里所采用的方法为a.s.表示.     

相依随机变量的密度函数的递归核估计的渐近正态性

设{X_n;n≥1}为同分布的ρ-混合序列,其未知密度,f(x)的递归核估计为: f_n(x)=1/n sum from j=1 to n h_j~(-1)K(x-X_j/h_j),本文在适当的条件下,讨论由f_n(x)所产生的随机元的有限维渐近正态性。     

关于随机变量加权和的强收敛性注记

设{X,;n≥1}为独立同分布随机序列,{a_(xi);1≤i≤K_n,↑~∞,n≥1}为权系数序列。本文给出三组sum from i=1 to K_n(a_(ai)X_i→0a.s.充分条件。同时,还讨论加权和的完全收敛性,我们的条件比[3]弱。     

相依随机变量的顺序统计最的线性函数的几乎处处收敛性

本文讨论在相依随机变量情况下,顺序统计量的线性函数的a.s.收敛性,此结果推广了Wellner,Helmers,Sen和Van Zwet的结果。