ρ混合、φ混合、ψ混合线性模型M估计的强相合性

研究了 ρ混合、φ混合、ψ混合样本线性模型中回归参数M估计的强相合性 ,在条件不变的情况下 ,获得与独立情形一样的M估计是强相合的充分条件 ,推广了文 [1 ]定理 2 .     

-混合序列的不变原理

给出一类较广泛的ρ-混合序列 ,并证明了在一定的矩条件下 ,ρ-混合序列的不变原理成立     

混合序列加权和的完全收敛性和强收敛性

讨论了 ρ混合序列加权和的完全收敛性和强收敛性 ,推广了Stout和Thrum定理     

广义生灭最小Q过程的可配称性

研究全稳定广义生灭最小Q过程的可配称性,获得广义生灭最小Q过程是可配称的充分必要条件,以及最小Q过程是唯一的可配称Q过程的充分必要条件．     

END样本最近邻密度估计的强相合速度

本文研究了扩展负相依(END)样本最近邻密度估计的强相合性问题.利用END序列的Bernstein型不等式和截尾的方法,获得了END样本最近邻密度估计的强相合速度,推广了NA样本和ND样本最近邻密度估计的相应结果.     

ICP-AES法测定碳酸盐岩中的总硫及其硫的形态

建立了碳酸盐岩样品中总硫及其硫的形态的分析方法,采用分级萃取技术提取样品中的单质硫、硫酸盐硫和硫铁矿硫,选择波长182.0nm,用ICPAES测定不同形态的硫和总硫,用差减法得到有机硫。用此方法测试了国家一级标准和10个广元地区的碳酸盐岩样品,结果表明,碳酸盐岩中总硫的浓度较大,在0.05%~2.00%之间,碳酸盐岩中硫主要以硫酸盐硫和硫铁矿硫两种形式存在,占总硫含量的90%以上,单质硫的含量较低,低于总硫含量的1%,有机硫的含量受总硫和几种无机硫的影响误差较大。样品中各形态硫的加和值与总硫测定值和总硫参考值相符,每个样品的硫测定3次,其相对标准偏差(RSD)为0.15%~3.7%。     

On Moments of the Maximum of Normed Partial Sums of p--mixing Random Variables

In this paper, we obtain the moment conditions for the supermun of normed sums of ρ~--mixing random variables by using the Rosenthal-type inequality for Maximum partial sums of ρ~--mixing random variables. The result obtained generalize the results of Chen（2008） and extend those to negatively associated sequences and ρ~--mixing random variables.     

Complete Convergence Properties of the Sums for -mixing Sequences of Random Variables

This paper discusses complete convergence properties of the sums of -mixing random sequences.As a result,we improve the corresponding results of Wu Qunying（2001）. And extended the Baum and Katz complete convergence to the case of -mixing random sequences by moment inequality and truncating without necessarily adding any extra conditions.     

ND阵列加权乘积和的完全收敛性

设（Xni：1≤i≤n,n≥1）为行间ND阵列,g（x）是R^＋上指数为α的正则变化函数,{αni：1≤i≤n,n≥1}为满足条件max1≤i≤n｜ani｜=0（（g（n））^-1）的实数阵列．本文采用截尾的方法,得到了使ND随机变量阵列加权乘积和完全收敛的条件,并推广了以前学者的结论．     

Laws of the iterated logarithm for $$\tilde \rho$$-mixing random variables with normal distribution

Consider a \(\tilde \rho\)-mixing sequence of identically distributed random variables with the underlying distribution in the domain of attraction of the normal distribution. This paper proves that law of the iterated logarithm holds for \(\tilde \rho\)-mixing sequences of random variables. Our results generalize and improve Theorems 1.2–1.3 of Qi and Cheng (1996) from the i.i.d. case to \(\tilde \rho\)-mixing sequences.