α—混合情形非参数密度估计的重对数律

当样本X1,…,Xn,…,是α-混合时,建立了三角数组的重对数律和Rosenblatt-Parzen核估计的重对数律。     

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。     

ρ-混合序列的重对数律

设{Xn,n≥1}是同分布ρ-混合序列,其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,证明了依概率1有lira supn→∞ = e1/α,并获得了一系列等价条件．此结果的获得不仅将已有的一些结果推广至ρ-混合序列的情形,并且将其结果作了一定的改进．     

随机截断数据非参数密度估计重对数律的充分和必要条件

本文利用一种直接的方法,无需通过经验过程的强逼近,建立了随机截断数据情形下,非参数密度估计重对数律的充分和必要条件,大大地改善了已有的相应的结果。     

随机栅失情形下分布参数的最大似然估计的重对数律

本文讨论了随要删失情形下分布参数的最大似然估计，证明了最大似然估计的收敛速度符事重对数律。     

关于ρ-混合序列对数律的收敛速度

本文研究了ρ-混合序列对数律的收敛速度，在较弱的矩条件下得到了与独立同分布实随机变量类似的结果，并获得了ρ－混合序列满意对数律的一个充分性结果；讨论了ρ－混合序列重对数律的收敛速度的问题，得到了一个重对数律的充分性条件。     

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.     

φ-混合序列Strassen重对数律的一个推广及其应用

本文针对φ-混合相依变量,在其方差可能为无穷的条件下,建立了一个广义Strassen重对数律,一定程度上推广了先前的结论.作为应用,建立了部分和乘积的广义Strassen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．     

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。     

广义矩估计的重对数律

本文研究了广义矩估计的性质.利用强相合性的条件,得到了广义矩估计满足重对数律的结果.     

随机场下重对数律的渐近性

设{X,X_k,k∈z_+~d)是d维随机场独立同分布零均值的随机变量,如果E[X~2(log~+|X|)~(α+d-1)(log+log~+|X|)~β]<∞,则 其中Γ(·)为Gamma函数.由此回答了Gut和Spataru[4]在d=1时所提出的问题。     

随机场下重对数律的渐近性

设{X,Xk,k∈Zd+}是d维随机场独立同分布零均值的随机变量,β》-1/2,EX2=σ2,如果E[X2(log+|X|)α+d-1(log+log+|X|)β]《∞,则Sn=Σκ≤nXk,α》-1,β》-1/2,EX2=σ, ε(↓)σlim(2(α+d))[ε2-2(α+d)σ2(σ+d)σ2]β+1/2Σn(logㄧnㄧ)α(log logㄧnㄧ)β-ㄧnㄧP(ㄧSnㄧ≥εΓㄧnㄧlog log ㄧnㄧ)=2βσ-(d-1)!(2-(α+d))∏Γ(β+1/2), 其中Γ(·)为Gamma函数.由此回答了Gut和Spataru[4]在d=1时所提出的问题.     

k-维Brown运动的泛函重对数定律

本文研究了k-维Brown运动的泛函样本轨道性质.利用了一致范数在高维连续函数空间生成的拓扑下建立大偏差公式的方法,获得了k-维Brown运动的泛函重对数定律.     

DISTRIBUTION FREE LAWS OF THE ITERATED LOGARITHM FOR KERNEL ESTIMATOR OF REGRESSION FUNCTION BASED ON DIRECTIONAL DATA DISTRIBUTION FREE LAWS OF THE ITERATED LOGARITHM FOR KERNEL ESTIMATOR OF REGRESSION FUNCTION BASED ON DIRECTIONAL DATA

1. Introduction and Main ResultWhen statistical data consists of direction only, it can be represented as point of fi, thesurface of the unit sphere in d-dimensional Euclidean space, defined as fi = {x E Rd: IIxll 1}, d 2 2. We call it directional (or spherical) data.The study of directional data is of practical interest. There are many situations whereobserved data are in the form of direction cosines or in the form of vectors but with anunknown positive scalar so that only the direction i…     

关于非强平稳NA列的重对数律及其应用

本文讨论了非强平稳ＮＡ（ＮｅｙａｔｉｖｅｌｙＡｓｓｏｃｉａｔｅｄ）列的若干重对数律,并用以估计线性模型中ＮＡ误差的方差估计的一类强收敛速度．     

方向数据密度函数核估计的重对数律

本文讨论方向数据密度函数核估计的逐点收敛速度问题,在较为温和的条件下建立了该核估计的重对数律并给出了它的逐点最优收敛速度.     

DISTRIBUTION FREE LAWS OF THE ITERATED LOGARITHM FOR KERNEL ESTIMATOR OF REGRESSION FUNCTION BASED ON DIRECTIONAL DATA

The authors derive laws of the iterated logarithm for kernel estimator of regression function based on directional data. The results are distribution free in the sense that they are true for all distributions of design variable. Project supported by the National Natural Science Foundation of China (Nos. 19631040; 19971085), the Doctoral Program Foundation of the Ministry of Education of China and the Special Foundation of Academia Sinica.     

THE LAW OF ITERATED LOGARITHM FOR R／S STATISTICS

A law of iterated logarithm for R/S statistics with the help of the strong approximations of R/S statistics by functions of a Wiener process is shown.     

离散鞅的Chung重对数律

1990年,Huggins利用Skorokhod逼近的办法给出了平方可积鞅的Chung重对数律,但结果必须在具有有限的2 δ阶矩的条件下成立。本文在不同的条件下,得出了Chung重对数律,而这些条件只涉及到二阶矩。