NSD随机变量阵列的完全f矩收敛

本文主要对负超可加相依随机变量序列的完全f矩收敛性进行探讨。利用负超可加相依随机变量的性质及其矩不等式,并结合截尾的方法,研究了负超可加相依随机变量阵列部分和最大值序列的完全f矩收敛性,同时给出完全f矩收敛性的一些充分条件,所得结果把相关文献中完全矩收敛的情形推广至完全f矩收敛。

NSD随机变量加权和的强收敛性

利用负超可加可相依(negatively superadditive dependent,NSD)随机变量的MarcinkiewiczZygmund型矩不等式、Kolmogorov型指数不等式和随机变量的截断方法,给出NSD随机变量阵列加权和的若干完全收敛性的结果.所得到的结果把同分布负相协(negatively associated,NA)随机变量加权和的相应结论推广到了NSD随机变量变列加权和的情形,并且不需要同分布的条件.

NSD随机变量加权和的强收敛性质

负超可加相依(negatively superadditive dependent,NSD)随机变量是一类包含独立随机变量和负相协(negatively associated,NA)随机变量在内的非常广泛的相依变量。文章利用NSD随机变量的三级数定理和随机变量的截尾技术,在较弱的条件下建立了NSD随机变量加权和的若干强收敛性质。所得结果推广了独立随机变量和NA随机变量的相应结果。

行为NSD随机变量阵列加权和的q阶矩完全收敛性

利用Hoffmann-Jφrgensen型概率不等式和截尾法,获得了行为NSD随机变量阵列加权和的q阶矩完全收敛性的充分条件.利用这些充分条件,不仅推广和深化梁汉营等(2010)和郭明乐等(2014)的结论,而且使他们的证明过程得到了极大地简化.

行m-NSD随机变量阵列的完全收敛性（英文）

本文研究了行m-NSD随机变量阵列的完全收敛性问题.主要利用m-NSD随机变量的Kolmogorov型指数不等式,获得了行m-NSD随机变量阵列的完全收敛性定理,将Hu等(1998)and Sung等(2005)的结果从独立情形推广到了m-NSD随机变量阵列.本文的结论同样推广了Chen等(2008),Hu等(2009),Qiu等(2011)和Wang等(2014)的结果.

NSD随机变量序列的完全收敛性

本文利用NSD随机变量序列的性质、矩不等式及三级数定理,在一定的矩条件下,得到了NSD随机变量序列的完全收敛性.所得结果推广了Chow与Lai^([15,16])与Jajte^([17])的独立序列的结果.

NSD随机变量和的单边概率不等式

主要利用Fuc-Nagaev型概率不等式的方法去研究负超可加相依NSD(negatively superadditive dependent)随机变量和的单边概率不等式.利用这种方法,得到了一些重要的大偏差概率不等式.所得结果推广了独立随机变量和NA随机序列的相应结果.

NSD随机变量序列下半参数回归模型估计的相合性

相依随机变量序列自从出现以后得到了学者们广泛的研究,回归模型在实际应用中有着重要的作用,研究NSD(negatively superadditive dependent)相依随机变量序列下半参数回归模型估计的相合性既扩展了相依随机变量性质的应用,又丰富了半参数回归模型估计相关理论。研究采用随机变量尾截技术结合NSD随机变量自身性质得出NSD随机变量序列下半参数回归模型估计的相合性。

NSD随机变量加权和的强收敛性及应用

文章主要研究负超可加相依(negatively superadditive dependent,NSD)随机变量序列的强收敛性。利用NSD随机变量序列的Rosenthal型极大值不等式建立了NSD随机变量序列加权和的完全收敛性,并且在同样的条件下得到了较完全收敛性更强的完全矩收敛性的结果,所得结果推广并改进了负相协(negatively associated,NA)序列相应的结果。作为主要结果的应用,该文进一步得到了关于NSD随机变量加权和的强大数律并给出了数值模拟。

NSD随机变量阵列的完全矩收敛性

主要利用负超可加相依NSD(negatively superadditive dependent)随机变量的截尾技术和Rosenthal型不等式,研究了NSD随机变量阵列部分和的最大值序列的完全矩收敛性,给出了证明完全矩收敛性的一些充分条件。所得结果推广了独立变量和若干相依变量的相应结果。

NSD序列加权和的完全收敛性及其应用

研究了NSD(negatively superadditive dependent)随机变量序列的极限定理.利用截尾技术和NSD随机变量序列的性质讨论了NSD随机变量加权和Sn=n∑i=1 anixi的完全收敛性,并将其结果应用于含参数β的最小二乘估计的线性回归模型中及关于g的权函数非参数回归模型估计中,分别得到了强相合性.