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.     

?混合序列加权和的强极限收敛定理

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.     

NOD随机变量序列加权和的矩完全收敛性

讨论了NOD随机变量序列加权和的矩完全收敛性,获得了NOD随机变量序列加权和的矩完全收敛性的充要条件.这些结论显示了矩完全收敛性和矩条件之间的等价关系,同时推广了Wu Qunying(2011)的结果.     

不同分布(φ)混合随机变量序列的强收敛性

本文研究了不同分布(φ)混合随机变量序列的强收敛性质的问题.利用(φ)混合随机变量序列的矩不等式和截尾的方法,获得了(φ)混合随机变量序列完全收敛性和几乎处处收敛性结果,所获得结果不仅推广了Baum和Katz (1965)关于独立同分布随机变量序列的结论,而且改进了Wu和Lin (2004)关于同分布(φ)混合随机变量序列的相关结论.     

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.     

(p)混合序列的矩不等式与完全收敛性

给出一类较广泛的(p)混合序列的矩不等式.讨论了(p)混合序列的完全收敛性,所得的结果改进了相关文献中的结果,并得到了完全收敛速度与矩条件之间的等价关系.     

���������������м�Ȩ�͵ľ���ȫ������

研究了负相关随机变量阵列加权和的矩完全收敛性,改进了Baek等(2008)的结果.作为应用,得到了基于负相关随机变量序列的平滑移动过程的矩完全收敛性,完善了Li等(2004)的结果.     

不同分布(~ρ)混合序列加权和的完全收敛性

利用指数矩有限条件,研究了不同分布(~ρ)混合序列加权和的完全收敛性,建立并证明了关于阵列加权和完全收敛的两个重要定理,改进、统一和发展了Bai等、Song和Cai的主要结果.     

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.     

混合序列部分和的若干收敛性质

本文研究了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混合序列部分和的收敛性,并进一步得到了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.     

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.     

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.     

不同分布的NA列的加权和的强收敛速度

本文得到了不同分布的NA列的加权和的完全收敛性，在权序列{ank，1≤k≤n，n∈N}满足不同条件的情况下，讨论了使得加权和完全收敛的关于X的矩的阶数，尤其是在一定的条件下，得到了只要求X很低的阶数的矩。得到了令人满意的结果．     

锁定固定治疗老年肱骨髁间骨折31例分析

利用截尾的方法和负相关(ND)随机变量的矩不等式,研究ND随机变量序列加权和的完全收敛性,结果,我们把独立同分布随机变量序列的完全收敛性定理推广到了ND序列情形下成立.     

φ混合随机变量加权和的完全收敛性

本文研究了不同分布φ混合随机变量加权和的完全收敛性问题.利用随机变量截尾和矩不等式方法,获得了φ混合随机变量加权和的完全收敛性和强大数定律的结果,所获得结果推广和改进了有关独立同分布随机变量序列的相应结果.     

混合序列矩不等式和非参数估计

对p-混合、(?)-混合序列给出两个矩不等式,它们在加权和序列研究中比邵启满在[6]、[7]中给出的矩不等式更实用.作为应用,这里讨论非参数递归密度核估计的强收敛速度和非参数回归函数加权核估计的强相合性,获得较好结论.     

ρ-混合序列加权和的完全收敛性

本文研究ρ-混合随机变量序列的加权和.利用文献[10]的矩不等式,在勿需控制混合系数的情况下,得到了完全收敛的充分条件,对“同分布”情形,得到了完全收敛的必要条件,推广了文献[8,10]中的有关结果.     

不同分布(p)混合序列的完全收敛性

讨论了一类比较广泛的相依随机变量序列(p)混合序列的收敛性质,推广了吴群英等人关于(p)混合序列的完全收敛性的研究,获得了不同分布p混合序列的完全收敛性的结果.     

$\widetilde{\rho}$混合序列的矩不等式与完全收敛性

给出一类较广泛的$\widetilde{\rho}$ 混合序列的矩不等式. 讨论了$\widetilde{\rho}$ 混合序列的完全收敛性, 所得的结果改进了相关文献中的结果,并得到了完全收敛速度与矩条件之间的等价关系.     

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.