鲁卡斯数列的概率性质

本文讨论了鲁卡斯数列的概率性质。     

线性模型中误差方差估计的Edgeworth展开

设 σ_n~2=1/n-r_n{sum from k=1 to n (e_k~2)-sum from u=1 to r_n(sum from k=1 to N (α_(nuk)e_k))~2} (1) 这里{e_k}是一串独立的试验误差,     

U-统计量的Berry-Esseen定理和非一致性估计

Let X₁,X₂,…,X_n be independent random variables. Define a U-statistic by.     

关于Von Mises统计量Berry-Esseen定理的一点注记

Let V_n be a von Mises Statistice with kernel φ(x₁,x₂,… ,x_m).     

随机变量权和的强大数定律

设{a_k≥}是正的常数列,并设(1)再以 N(n)记 b_k≤n 的足码 k 的个数,文[1,2]给出:对于1≤α<2,使得 E|X|~α<∞的任一 i,i,d 的随机变量序列{X,X_n,n≥1},权和     

线性模型中回归系数的最小二乘估计的强相合性

本文研究了线性模型:Y_4=x_i~′β e_i=1,2,…中回归系数β=(β_1,…,β_p)′的最小二乘估计的强相合性,这里 x_i~′=(x_i1,…,x_(ip))为已给的 p 维向量.记 x_n=(x_1,…,x_n)′,S_n~(-1)=(x_n~′x_n)~(-1)=(h_(nij),G(n)=diag(G_1(n),…,G_p(n))=diag(h_(n11)~(-1),…,h_(npp)~(-1)),那末在把文献[1]定理3中的条件1°换以:存在常数0<α