行为ρ混合随机变量阵列的完全矩收敛性

本文假设 X ni ;i ≥1,n ≥{}1是一列行为？ρ混合随机变量阵列。在没有同分布和随机控制的假设条件下,作者讨论了？ρ混合随机变量的完全矩收敛性,所获得结果推广和改进了 Hu and Taylor （1997）,Zhu （2006）和 Wu and Zhu （2010）的相应定理。     

关于sup(n≥1)|S_n/n(1/r)|(0〈r〈2)和sup(n≥1)|S_n/■|的矩

设 {Xn,n≥ 1 }是 φ-混合的同分布的随机变量序列 ,记 Sn=∑ni=1Xi( n≥ 1 ) .该文的目的是要在一定的矩条件和混合速度限制下 ,讨论了 supn≥ 1| Snn1/ r| ( 0 相似文献   

关于大偏差概率的一个界

研究得到了关于随机和S(t)=∑N(t)i=1Xi,t≥0大偏差的幂的一个界,其中(N(t))t≥0是一族非负整值随机变量,(Xn)n∈N是独立同分布的随机变量,其共同的分布函数是F与(N(t))t≥0独立.本结论是在假设分布函数F的右尾属于ERV族的情况下得到的.     

重尾相依随机变量的随机加权和尾概率的渐近估计（英文）

令{X_k;k≥1}为一列实值随机变量,{θ_k;k≥1}为另一列与之独立的随机变量序列.假设{X_k;k≥1}为两两广义负象限相依且服从重尾分布,在{θ_k;k≥1}独立和相依条件下,本文得到了一些渐近估计.     

(p)混合序列部分和的强大数定律

设{Xn,n≥1)是(p)混合序列.利用随机变量的板尾方法和(p)混合序列的三级数定理这一工具研究了(p)混合序列的性质.得到了矩条件下(p)混合序列的一类强极限定理和强大数定律.并给出了一些简单应用.推广了若干经典的强大数定律.     

相依假设下样本相关矩阵最大元的渐近分布

设{Xk,i;k≥1,i≥1)是一随机变量组列,令{pn;n≥1)是一正整数序列,满足c1≤n/pn≤c2,其中c1,c2是正实数.假设{Xk,i;k≥1,i≥1}满足一些相依条件,得到了Ln的渐近分布,这里Ln= ,以及表示(X1,i,…,Xn,i)'和(X1,j,…,Xn,j)'间的Pearson相关系数.     

光滑度量测度空间上的加权扩散方程的梯度估计

本文主要考虑了一类加权非线性扩散方程正解的梯度估计.在m-维Bakry-(E)mery Ricci曲率下有界的假设下,得到加权多孔介质方程(γ＞1)正解的Li-Yau型梯度估计,此外对于加权快速扩散方程(0＜γ＜1),证明了Hamilton型椭圆梯度估计,结论分别推广了Lu,Ni,Vázquez and Villani在文[1]和Zhu在文[2]中的结果.     

NA序列的重对数矩收敛的精确渐近性

假设{X_n,n≥1}为一列严平稳的NA随机变量,期望为零,方差有限.设S_n=∑_(i=1)~n∑X_i,M_n=max_(1≤i≤n)|S_i|.在适当的条件下,得到了一类NA序列部分和部分和最大值重对数矩收敛的精确渐近性.     

混合随机变量序列几何加权和的极限结果

本文证明了同分布的λ 混合随机变量序列 {X ,Xn,n≥ 1 }几何加权和的广义重对数律 ,即当混合系数λ(1 ) <1和X的负部存在某阶矩时 ,以概率 1地有limsupn→∞(b -1 ) ∑ni =1 biXi/bn+1 =X的本性上确界 ,其中b >1     

关于相依随机变量加权和强收敛性的注记

放宽了随机变量的独立性的要求,在假设随机变量为Ψ-混合的条件下,讨论了加权和强收敛性。     

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.     

ρ-混合序列部分和乘积的几乎处处极限定理

设{X_n,n≥1}是一严平稳的ρ-混合的正的随机变量序列,且EX_1=μ＞0, Var(X_1)=σ~2,记S_n=Σ_(i=1)~n X_i和γ=σ/μ,在较弱的条件下,证明了对任意的x,,其中σ_1~2=1+2/(σ~2)∑_(j=2)~∞Cov(X_1,X_j),F(·)是随机变量e~(2~(1/2)N)的分布函数,N是标准正态随机变量,我们的结果推广了i．i．d时的情形．     

同分布混合序列的最大值不等式及其应用

设{X_n,n≥1}是同分布的混合序列,记S_n=sum from i=1 to n X_i．该文讨论了(|S_i|)/i(n≥1)的分布函数的上界．作为应用,获得了随机变量(|S_n|)/n的1阶矩及p(＞1)阶矩分别存在有限的充分必要条件,这是一个与独立同分布场合相一致的结果．     

关于最佳可变存贮BFGS法的探讨

本文考虑当存贮不允许使用完整的拟牛顿法(QN)的条件下,如何建立比较有效的算法问题。定义继续型BFGS法BFGS(_t,_t,)。算法BFGS (_t,_t,)的执行步骤如下:从_t出发、沿_t进行一维搜索得x_1,     

An implicit degree ore-condition for pancyclicity of graphs

In 1989, Zhu, Li and Deng introduced the definition of implicit degree of a vertex v in a graph G, denoted by id(v). In this paper, we prove that if G is a 2-connected graph of order n such that id(u) + id(v) ≥ n for each pair of nonadjacent vertices u and v in G, then G is pancyclic unless G is bipartite, or else n = 4r, r ≥ 2 and G is isomorphic to F4r .     

一致混合序列最大值的强极限律

设{X_i}是一个随机变量序列,用(?)(X_i,1≤j≤m)和(?)(X_j,j≥m)分别表示由(X_1,…,X_m)和(X_m,X_(m+1),…)产生的 σ-域.若对任意 A∈(?)(X_j,1≤j≤m)和 B∈(?)(X_j,j≥m+l+1)有|P(A∩B)—P(A)·P(B)|相似文献   

ρ-混合序列矩收敛的渐近性质

设{X,x_n,n≥1}是均值为零的严平稳p-混合随机变量序列,在适当的条件下,我们获得了类似独立同分布随机变量序列的结果.     

Lp-混合误差下线性与非参数回归模型估计量的平均相合性

1 引言 本文研究了一类误差是L~p_混合的线性模型与非参数回归模型,在免去了文献中对模型所施加的“误差绝对值的p次方一致可积”这一限制条件后,仍得到了估计量的p阶平均相合性. 定义1 设p≥1,(X_n,n≥1)为定义在概率空间(Ω,F,P)上的L~p-可积的随机变量列,{F_n,-∞相似文献   

混合序列加权和的强大数定律

设{Xn,n≥1}是同分布随机变量序列,{αnk,n≥1,1≤k≤n}是满足某种条件的常数序列.本文在ψ-混合,ρ-混合,ρ~-混合条件下讨论了加权和∑kn=1ankXk的Kolmogorov强大数定律.     

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.