强混合相依变量加权和的收敛性及其应用

本文提供一条处理相依样本的新途径.建立了强混合相依变量加权和的收敛性.作为它的应用,考虑回归模型,给出回归函数非参数的强相合估计.

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 φ-混合的条件下 。

φ混合随机变量加权和的完全收敛性(英文)

本文研究了不同分布φ混合随机变量加权和的完全收敛性问题.利用随机变量截尾和矩不等式方法,获得了φ混合随机变量加权和的完全收敛性和强大数定律的结果,所获得结果推广和改进了有关独立同分布随机变量序列的相应结果.

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 。

B值混合随机变量的强大数定律(英文)

本文在Banach空间B是p可光滑(1<p≤2)的条件下获得了B值弱相依随机变量序列正则和极限点集的上界．作为应用,由B值y-混合随机变量序列的强大数定律刻划了Banach 空间的p可光滑性,在不要求混合系数(?)n和ψn趋于0而是在infn≥1(?)n=0或infn≥1ψn=0的条件下,获得了B值相依随机变量序列有关强大数定律的一些结果．

混合相依过程局部多项式加权回归估计渐近正态性的进一步结果

对相依时间序列数据 ,在一定的条件下已有人证明了局部多项式加权回归系数估计服从渐近正态分布 ,其中核函数是有界的 .但在非线性相依过程 (如 ρ 混合过程和强混合过程 )中 ,当数据之间的相依程度较大时 ,这种核函数便失去其合理性 ,作者在更广泛的核函数空间上考虑了这个问题 。

行为φ混合随机变量阵列加权和的极限行为（英文）

在本文中,令{X_(ni),i≥1,n≥1}为一列行为φ混合随机变量阵列.本文研究了行为φ混合随机变量阵列加权和的极限行为,并且一些新的完全收敛性结果被取得,这些结果推广和改进了相应的已有定理.

相依序列加权和的强收敛性

给出相依序列加权和的强收敛性的两个充分条件

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。

相依序列加权和的强收敛速度

研究了矩限制的φ-混合或强混合随机变量序列加权和的强收敛速度问题,在关于混合系数趋于零的速度的适当限制下,所得结果达到了鞅差序列或独立序列情形时的相应结果。

相依随机变量和的一个概率不等式

文章在ｘ１，ｘ２，…，为平稳强Φ－混合随机变量序列的条件下，证明了一个关于前ｎ磺和Ｓｎ＝的一个指数型的概率不等式。

混合序列加权和的强收敛性

本文给出混合序列加权和的强收敛性的一些充分条件，这些结论推广和改进了文［１］定理３，文［２］定理３；文［３］定理４．１５以及文［４］定理４．

强近邻相依性

引入了一类新的相依随机变量序列,它可以看做近邻相依序列的子类,但是仍然可以用混合序列逼近,称这类序列为强近邻相依序列.在很弱的相依性大小的条件下,证明了一个p(>2)阶(极大)矩不等式.