The precise asymptotics of the complete convergence for moving average processes of <Emphasis Type="Italic">m</Emphasis>-dependent <Emphasis Type="Italic">B</Emphasis>-valued elements

Let {εt;t ∈ Z} be a sequence of m-dependent B-valued random elements with mean zeros and finite second moment. {a3;j ∈ Z} is a sequence of real numbers satisfying ∑j=-∞^∞｜aj｜ 〈 ∞. Define a moving average process Xt = ∑j=-∞^∞aj＋tEj,t ≥ 1, and Sn = ∑t=1^n Xt,n ≥ 1. In this article, by using the weak convergence theorem of { Sn/√ n _〉 1}, we study the precise asymptotics of the complete convergence for the sequence {Xt; t ∈ N}.     

B值移动平均过程的Strassen重对数律

设 {ε,εt;t∈ Z}是 iid的 B值随机变量序列 ,{ aj;j∈ Z}是一个实数列 ,满足 ∞j=-∞|aj|<∞ .记 Xt= ∞j=-∞ajεt-j,Sn = nt=1Xt.对 p≥ 1 ,本文研究了n-1 -( p/ 2 ) (2 L2 n) -( p/ 2 ) ni=1 ‖ Si‖p 及 n-1 -( p/ 2 ) (2 L2 n) -( p/ 2 ) ni=0 ‖ Sn- Si‖ p的渐进性质 ,使得 Strassen(1 964)及 Chen(1 994)的一些结果得到推广 .     

A general result on precise asymptotics for linear processes of positively associated sequences

Let {εt; t ∈ Z^＋} be a strictly stationary sequence of associated random variables with mean zeros, let 0〈Eε1^2〈∞ and σ^2=Eε1^2＋1∑j=2^∞ Eε1εj with 0〈σ^2〈∞.{aj;j∈Z^＋} is a sequence of real numbers satisfying ∑j=0^∞｜aj｜〈∞.Define a linear process Xt=∑j=0^∞ ajεt-j,t≥1,and Sn=∑t=1^n Xt,n≥1.Assume that E｜ε1｜^2＋δ′〈 for some δ′〉0 and μ（n）=O（n^-ρ） for some ρ〉0.This paper achieves a general law of precise asymptotics for {Sn}.     

Precise Asymptotics in the Law of Large Numbers and the Law of Iterated Logarithm of Moving-Average Process Generated by ALNQD Sequences

In this paper, we discuss the precise asymptotics of moving-average process Xt =∞∑j=0 ajEt-j under some suitable conditions, where {εt, t∈ Z} is a sequence j=0 of stationary ALNQD random variables with mean zeros and finite variances.     

由随机过程序列产生的滑动平均过程部分和的弱收敛

本文讨论了由ρ-混合随机过程序列产生的形如Xk(t)=∑j=0∞ajεk-j(t),0≤t≤1,其中{aj;j≥0)为一实数序列,满足∑j=0∞|aj|<∞的滑动平均过程部分和的弱收敛性;同时也讨论了由此滑动平均过程产生的形如Yn(s,t)=1/n~(1/2)∑k=1[n,s]Xk(t),0≤s,t ≤ 1的随机过程的弱收敛性,以及随机足标和SNn(t)=∑k=1NnXk(t)的弱收敛性.     

线性过程的广义强逼近及其应用

设{X_t;t≥1}是由X_t=∑_i=0^∞a_iε_t-i所定义的线性过程,其中{a_i;i≥0}是一实系数序列,{ε_i;-∞0²可能为无穷的情形下,证明了{X_t;t≥1}的一个广义强逼近定理.作为应用,得到了线性过程部分和与部分和乘积的广义重对数律,以及具有相依重尾扰动项的AR（1）模型的渐近性质.     

STRONG APPROXIMATION FOR MOVING AVERAGE PROCESSES UNDER DEPENDENCE ASSUMPTIONS

Let {Xt,t ≥ 1} be a moving average process defined by Xt = ∑^∞ k=0 αkξt-k, where {αk,k ≥ 0} is a sequence of real numbers and {ξt,-∞ 〈 t 〈 ∞} is a doubly infinite sequence of strictly stationary dependent random variables. Under the conditions of {αk, k ≥ 0} which entail that {Xt, t ≥ 1} is either a long memory process or a linear process, the strong approximation of {Xt, t ≥ 1} to a Gaussian process is studied. Finally, the results are applied to obtain the strong approximation of a long memory process to a fractional Brownian motion and the laws of the iterated logarithm for moving average processes.     

关于线性过程谱函数估计的弱不变原理的一点注记

设随机序列{X_n; n=0,±1…}可表示成为X_n=sum from j=-∞ to +∞(α_(j-n)ζ_j其中{α_j}是满足sum from j=-∞ to +∞(α_j~2)<∞的实数列,{ζ_j}是白噪声序列。通常用(?)_N(λ)=integral from 0 to λ(1/2πN)∣sum from k=1 to N(x_(?)e~(iμk)∣~2 dμ来估计{x_n}的未知的谱函数F(λ)。在一定的条件下,当{ζ_j}是独立同分布随机序列时,和[3]证明了:过程√(?)[(?)_N(λ)-F(λ)]的分布弱收敛到某个正态过程ζ(λ)在C[0,π]上产生的测度。本文在他们工作的基础上,运用鞅的极限定理和鞅不等式,改进了[3]中的两个关键引理,从而证明了当{ζ_j}是有控制分布的实四阶鞅差序列时,仍有相同的结果。     

一类统计量的强大数律和重对数律的精确极限性质

设{xn,m≥1}是独立同分布随机变量序列,EX1=0,EX12=1．设Tn= Tn(X1,…,Xn)是随机函数且Tn=Sn Rn．本文证明在E|Rn|2∨r<∞或E|Rn|<∞下,对随机函数Tn成立着Baum-Katz强大数律和重对数律的精确极限性质的一般结果．由此作为推论,对U-统计量,Von-Mises统计量,线性过程,移动平均过程,线性模型中误差方差估计和功率和等在适当矩条件下均可写出Baum-Katz强大数律和重对数律的精确极限性质．     

线性过程的收敛速度

设X_t=sum from j=0 to ∞ c_jε_(t-j)是一个线性过程,当{ε_t}是一个局部广义高斯随机序列时,我们获得了X_t的重对数收敛速度。     

一类统计量的强大数律和重对数律的精确极限性质

设{Xn,n≥1}是独立同分布随机变量序列,EX1=0,EX12=1.设Sn=n∑i=1Xi,Tn=Tn(X1,…,Xn)是随机函数且Tn=Sn+Rn.本文证明在E|Rn|2∨r《∞或E|Rn|《∞下,对随机函数Tn成立着Baum-Katz强大数律和重对数律的精确极限性质的一般结果.由此作为推论,对U-统计量,Von-Mises统计量,线性过程,移动平均过程,线性模型中误差方差估计和功率和等在适当矩条件下均可写出Baum-Katz强大数律和重对数律的精确极限性质.     

非扩张映象不动点的迭代算法

设C是具有一致Gateaux可微范数的实Banach空间X中的一非空闭凸子集,T是C中不动点集F(T)≠0的一自映象．假设当t→0时,{Xt}强收敛到T的一不动点z,其中xt是C中满足对任给u∈C,xt=tu+(1-t)Txt的唯一确定元．设{αn},{βn}和{γn}是[0,1]中满足下列条件的三个实数列:(i)αn+βn+γn=1;(ii) limn-∞αn=0和．对任意的x0∈C,设序列{xn}定义为xn+1=αnu+βnxn+γnTxn,则{xn}强收敛到T的不动点．     

不规则小波框架的膨胀列

研究了L2(R)中小波框架{ψj,k}j,k={sjψ(sj·-kb)}j,k∈Z的膨胀列{sj}j的性质.如果{ψj,k}j,k是L2(R)的一个小波框架,那么膨胀列是无界的,在某些条件下{sj}j∈Z一定能够被重排为指标集Z上的一个非减数列,而且存在常数λ,μ∈(0,1)和p∈Z ,使得对j∈Z有λ相似文献   

和的乘积的重对数律

设{X,X_n,n≥1}是独立的或φ -混合的或 ρ -混合的正的平稳随机变量序列，或$\{X,X_n,n≥1}$是正的随机变量序列使得{X_n-EX,n≥1\} 是平稳遍历的鞅差序列，记S_n=\sum\limitsⁿ_{j=1}X_j, n≥1 . 该文在条件EX=μ> 0 及0 Var(X)<∞下，证明了部分和的乘积$\prod\limits^n_{j=1}S_j/n!\mu^n$在合适的正则化因子下的某种重对数律.     

随机时间序列模型在正态MA(2)时的平稳性条件

对于随机时间序列模型Xt=φtXt-1 ε，由于当{φ}在不同的情况下．具有不同的平稳性质．本文利用特征函数和矩的关系讨论了模型Xt=φXt-1 εt，在序列{φt)为正态MA(2)条件时有平稳解的充分必要条件，并利用递归方法给出了较详细的证明．     

负相伴样本平滑移动过程的完全收敛性

设{Y，Yi，-∞＜i＜∞}为一负相伴同分布随机变量序列，{ai，-∞＜i＜∞}绝对可和的实数序列，本文在适当的条件下，证明了平滑移动过程{∑k=1^n∑i=-∞^∞ai k Yi/n^1/t,n≥1}的完全收敛性．所得的结果改进了[1]中的定理1．     

样本均值幂级数的收敛性

摘要设X_1,X_2,…为iid.,EX_1=0,0相似文献   

一类中立型脉冲积分微分方程概周期解的存在性和唯一性

考虑具连续时滞和离散时滞的中立型脉冲积分微分方程去{d/dt[x(t)+q∑j=1ej(t)x(t-δj(t))]=A(t,x(t))x(t)+t∫-∞C(t,s)x(s)ds+p∑j=1gj(t,x(t=Ti(t)))+b(t),t≠tk,tktk+1,△x(t)=Bkx(t)+Ik(x(t))+γk,.t=tk,k∈Z.概周期解的存在性和唯一性问题.利用线性系统指数二分性理论和不动点定理,莸得了保证中立型系统概周期解存在性和唯一性的充分条件,推广了相关文献的主要结果.     

Banach空间非扩张映像不动点强收敛定理

设E是具弱序列连续对偶映像自反Banach空间, C是E中闭凸集, T:C→ C是具非空不动点集F(T)的非扩张映像.给定u∈ C,对任意初值x0∈ C,实数列{αn}n∞=0,{βn}∞n=0∈ (0,1),满足如下条件:(i)sum from n=α to ∞α_n=∞, α_n→0;(ii)β_n∈[0,α) for some α∈(0,1);(iii)sun for n=α to ∞|α_(n-1) α_n|<∞,sum from n=α|β_(n-1)-β_n|<∞设{x_n}_(n_1)~∞是由下式定义的迭代序列:{y_n=β_nx_n (1-β_n)Tx_n x_(n 1)=α_nu (1-α_n)y_n Then {x_n}_(n=1)~∞则{x_n}_(n=1)~∞强收敛于T的某不动点.     

一个连续时间非平稳随机过程下的核密度估计的最优收敛速度

设{Xt,t≥0}为定义在R^d上的随机过程，它由模型Xt=zt Φ(Yt) εt确定，{Yt}和{εt}相互独立，而zt为非随机变量，对于连续观察的样本，本文给出了非参数密度核估计极其在均方意义下的最优收敛速度，并讨论了非随机项运动形式对此速度的影响。