n重分数布朗运动的Strassen泛函重对数律

本文给出了由两个不同的分数布朗运动组成的重分数布朗运动的Strassen型泛函重对数律和局部Strassen型泛函重对数律.我们的结果也适用于由两个布朗运动组成的重布朗运动及由一个分数布朗运动和一个布朗运动组成的重过程.最后将上述结果推广到n重分数布朗运动中.推广了已有文献的相应结果.     

OU过程无穷级数在L2—模下的重对数律与Chung—重对数律

设（Ｘｋ（ｔ），－∞＜ｔ＜∞）ｋ＝１为一列相互独立的Ｏｒｎｓｔｅｉｎ－Ｕｈｌｅｎｂｅｃｈ过程，（Ｘ（ｔ）＝∑Ｘｋ（ｔ），－∞＜ｔ＜∞）为其无穷级数，本文讨论了（Ｘ（ｔ），－∞＜ｔ＜∞）在Ｌ２模下的极限性质，得到了与Ｗｉｅｎｅｒ过程相似的重对数律与Ｃｈｕｎｇ－重对数律。     

m重布郎运动积分的泛函型重对数律

设(B（t))t≥0是一标准布郎运动,B（0）＝0。对某一正整数m,定义一高斯过程Xm(t) =1/m!∫t0(t-σ）^md B(σ）。本文证明了这一过程的Strassen泛函型重对数律。     

非同分布NA列的对数律和重对数律

给出了非同分布NA列满足对数律和重对数律的一些矩条件，而文[50-[7]中的部分结果可以成为其特殊情形并得到加强．     

非对称条件下的Chover重对数律

（Ｘｉ，ｉ＝１，２，．．．）是ｉ，ｉ，ｄ ｒｖ序列，Ｘ１的分布函数为Ｆ（ｘ），Ｆ（ｘ）是对称的特征指数为α的稳定分布时，Ｊ．Ｃｈｏｖｅｒ（１９６６）建立了一个部分和的重对数律，本文将Ｃｈｏｖｅｒ重对数律推广到一般非对称稳定条下。     

一类暂留稳定过程的极限定理

本文研究了Ａ型暂留稳定过程在无穷远处的收敛速度，给出了一个重对数律．同时我们也得出了这类过程在起始点附近的一些性质．这些性质推广了［１］中的结果     

白噪声谱估计函数的重对数律

设{ε(n),n≥1}为零均值,方差为1的平稳序列,     

线性过程的强逼近和重对数律

本文讨论由独立同分布随机变量列产生的线性过程的泛函型重对数律和强逼近, 同时又给出由NA随机变量列产生的线性过程的重对数律.     

关于Chover重对数律

J.Chover(1966)对分布为特征指数为α(0<α<2)的对称稳定分布的独立同分布随机变量序列部分和建立了一个重对数律,本文将此推广到分布属于特征指数为α(0<α<2)的非退化稳定分布的正则吸引场的独立同分布随机变量序列部分和上。     

一维Wiener sausage长度的中偏差和重对数律

本文研究一维Wiener sausage.利用布朗运动的相关性质和收缩原理,得到p个Wiener sausage相交部分长度的中偏差和重对数律.     

NA序列重对数律的几个极限定理

设{X_n;n≥1}均值为零、方差有限的NA平稳序列。记S_n=∑_(k=1)~n X_k,M_n=maxk≤n|S_k|,n≥1.假设σ~2=EX_1~2+2∑_(k=2)~∞EX_1X_k>0。本文讨论了:当ε 0时,P{M_n≥εσ(2nloglogn)~(1/2)的一类加权级数的精确渐近性质,以及当ε∞时,P{M_n≤εσ(π~2n/(8loglogn))~(1/2)}的一类加权级数的精确渐近性质。这些性质与重对数律和Chung重对数律的速度有关。     

布朗单的钟泛函重对数律

本文研究了布朗单轨道的泛函极限问题,得到了布朗单的钟泛函重对数律.证明中的主要工具是布朗单的大偏差和小偏差.     

鞅差几何级数的重对数律

设｛Ｘｋ，Ｆｋ，ｋ≥０｝是（Ω，Ｆ，Ｐ）上的鞅差序列，在本文中我们讨论了以｛Ｘｋ｝为系数的幂级数Ｓ（β＝Σ∞ｋ＝０βｋＸｋ，当β↑１时的渐近行为，本文证明了：如果│Ｘｋ│≤ｃ，Ｅ（Ｘ＾２ｋ│Ｆｋ－１）＝１，则有下面的重对数律成立ｌｉｍβ↑１√１－β＾２／√２ｌｏｇｌｏｇ（１－β＾２）－１Ｓ（β）＝１ａ．ｓ。     

近邻型密度估计的重对数律

我们建立了近邻型密度估计的重对数律,并获得了它们的逐点最优收敛速度。     

泛函型重对数律的收敛速度

泛函型重对数律的收敛速度王启应（南京大学）设｛Ｘ＿ｎ，ｎ≥１｝为ｉ．ｉ．ｄ．随机变量序列为定义在［１，∞）上的实函数。近年来，级数的收敛性问题，引起了众多学者的兴趣。作为一个研究方向，１９６８年，Ｄａｖｌ５￣［１］指出：上述级数的收敛除需要一定矩条件...     

独立随机变量序列重对数律的一个注记

｛Ｘ_ｉ｝为独立随机变量序列,Ｅ（Ｘ_ｉ）＜＋∞,Ｅ（Ｘ (２)_(ｉ)）＜＋∞（ｉ＝１,２,…）,当中心极限定理中的余项△ｎ＝Ｏ（ｌｎ Ｂｎｌｎ ｌｎ Ｂｎ…（ｌｎｋ　Ｂｎ）~（１＋δ）~（－１））时,本文得出结论：     

Weibull过程参数最大似在估计的重对数律

本文对Ｗｅｉｂｕｌｌ过程证明了当观测时间趋于无究大时参数的最大似然估计的收敛速度符合重对数律。对一类与之相关的非齐次Ｐｏｉｓｓｏｎ过程也得到了类似的结果。     

非时齐Poisson过程MLE的重对数律

在时间区间（０，Ｔ）上，我们观察到Ｘ（Ｔ）＝（Ｘ（ｔ，θ）０≤ｔ≤Ｔ），其中θ∈⊙为参数，且未知，Ｋｕｔｏｙａｎｔｓ讨论了非时齐过程参数θ的最大似然估计（ＭＬＥ）的性质，他给出了极限分布，并且得到了弱收敛及矩收敛等结果，但他要求参数空间为有限区间（α，β）。本文讨论了非时齐Ｐｏｉｓｓｏｎ过程ＭＬＥ的性质，我们允许参数空间随时间而不渐增大，即θｔ是θ在Ｔ＝（α，βＴ）上的最大似然估计，其中ｌｉｍβＴ     

乘积极限估计的重对数律

利用右删失数据估计寿命分布时,常用乘积极限估计.本文给出乘积极限估计是均匀强相合估计的充要条件.证明乘积极限估计的均匀收敛的重对数律.     

自回归模型的Chover型重对数律

利用稳定分布尾概率性质,研究了在扰动为稳定分布的条件下的二阶非稳定回归模型的强收敛性,得到了积分检验的结果,并由此推出了Chover型重对数律,推广了相关文献的结果.