记录时及其计数过程精确渐近性的一般形式

设{X_(n),n≥1}是独立同分布的连续型随机变量,记录时刻序列为{L_(n),n≥1},对应的计数过程为{μn,n≥1}.利用记录时及其计数过程的中心极限定理、矩不等式和Berry-Esseen不等式,给出边界函数和拟权函数记录时及相应计数过程的精确渐近性的一般结果.

次线性期望空间下精确渐近性的一般定律

假设{X_(n);n≥1}是次线性期望空间(Ω,H,ê)上的独立同分布随机变量序列.本文在CV(X^(2))<∞和limc→∞ê(X^((c)))=limc→∞ê(-X^((c)))=0以及某类慢变化函数h(x)的条件下,将概率空间中的独立同分布随机变量加权和的一般式精确渐近性推广到次线性期望空间,获得了两个精确渐近性的一般定律,同时研究其必要性.

由强混合序列生成线性过程精确渐近性的一般形式

利用由强混合序列生成的线性过程的弱收敛定理和不变原理以及矩不等式,得到了拟权函数和边界函数部分和以及部分和最大值的精确渐近性的一般形式.从而使此前关于强混合精确渐近的许多经典和最新结果都可以包括在本文所得结果范围内.

均匀经验过程精确渐近性的一个注记

设{ξ1,ξ2,…,ξn}为来自[0,1]上服从均匀分布的独立同分布样本,产生的经验过程为Fn(t)=n^(-1/2)sum from i=1 to n( (I{ξi≤t}-t)),0≤t≤1,‖Fn‖=sup 0≤t≤1 Fn(t).利用经验过程的弱收敛定理和尾概率不等式,对一般的边界函数和拟权函数得到了矩完全收敛性精确渐近性的一般形式.

独立情形下一阶矩收敛的精确渐近性的注记

假设{X,X i,i≥1}为独立同分布的随机变量序列,记S n=∑n i=1X i.N为标准正态随机变量,利用独立随机变量和的弱收敛定理和尾概率不等式,在拟权函数和边界函数满足适当的条件下,证明了limε→0ε1/s-1∑∞n=n0ψ(n)E{Sn/n-(1/2)-εσgs(n)}+=sσ1-s E N1/s成立的充要条件是EX=0和EX2=σ2.

NA序列部分和之和的大数定律及重对数律的精确渐近性

利用NA序列部分和之和的渐近分布,得到了NA序列部分和之和的大数定律及重对数律的精确渐近性.

LPQD列生成线性过程部分和的精确渐近性

设{εt;t∈Z+}是一严平稳零均值的LPQD随机变量序列,并且0<Eε12<∞,σ2=Eε12+2sum from j=2 to ∞ (Eε1εj),0<σ2<∞,{aj;j∈N}是一实数序列,满足sum from j=0 to ∞ |aj|<∞.定义线性过程Xt=sum from j=0 to ∞ (ajεt-j),t≥1,并令Sn=sum from t=1 to n Xt,Mn=max|Sk|,k≤n n≥1.利用弱收敛定理和矩不等式,对一般的拟权函数和边界函数,证明了{Mn}和{Sn}的精确渐近性.

负相伴随机变量序列矩完全收敛的精确渐近性

假设{X,Xn;n≥1}为平稳的负相伴随机变量序列.对其矩完全收敛的精确渐近性进行讨论.令EX1=0,E|X1|3<∞,且满足相应的条件.记Sn=X1+X2+…+Xn,n≥1,σ2=E X1+2∑∞j=2E(X1Xj)>0.若E|X|r<∞,1<p<2,r>1+p/2,成立li mε0ε2(2r--pp)-1∑∞n=1nr/p-2-1/pE{|Sn|-σεn1/p}+=(r-pp()(22-rp-)pσ-2)E|N|2(2r--pp),其中N为标准正态随机变量。

ρ^-混合序列完全矩收敛的精确渐近性

设{X_n,n≥1}是一列严平稳的ρ^-混合随机变量序列,利用ρ^-混合随机变量序列的中心极限定理和矩不等式等,在适当的条件下给出ρ^-混合随机变量序列部分和在一般对数律下的完全矩收敛精确渐近性的一般函数式.

正相协序列生成的平均移动过程的Baum-Katz大数定律的精确渐近性

设{εt；t∈N＊}是一严平稳零均值正相协随机变量序列，0〈Eε1^2〈∞,及σ^2=Eε1^2＋2∑j=2^∞Eε1εj,0〈σ^2〈∞,{aj;j∈N}是一实数序列，并且∑j=0^∞｜aj｜〈∞，定义移动平均过程Xt=∑j=0^∞ajεt-j,t≥1，令Sn=∑t=1^nXt,n≥1,假设对某个δ＇1〉0有E｜E1｜^2＋δ＇〈∞，对某个ρ〉0有u（n）=0（n^-ρ），给出了∑n=1^∞ n^r/（p-2） P{｜Sn｜≥εn^1/p},∑n=1^∞ 1/n P{｜Sn｜≥εn^1/p}当ε→0时的精确渐近性。

U-统计量的一些强极限定理的精确渐近性

设{Xn;n≥1}是一列i.i.d.随机变量序列,Un是以对称函数h(x,y)为核函数的U-统计量.记Un=2n(n-1) 1≤i<j≤nh(Xi,Xj),h1(x)=Eh(x,X2),ζ1=Eh21(X1).在适当的矩条件下,建立了 ∞n=1nαp-2P(|Un|≥εn2α-1), ∞n=11nP(|Un|≥εn2α-2), ∞n=1(loglogn)bnlognP(|Un|≥ε8ζ1n-1loglogn),当ε 0时和 ∞n=1(logn)anP(|Un|≥ε8ζ1n-1loglogn),当ε a+1时的精确渐近性.

由ALNQD序列生成移动平均过程精确渐近性的一般结果

设{εk,-∞<k<∞}为零均值的平稳渐近线性坐标负相依(ALNQD)序列.令移动平均过程{Xt=∞∑k=0akεt-k,t≥1},其中{ak,k≥0}为绝对可和的实数序列.利用ALNQD序列的弱收敛定理和矩不等式,对于边界函数和拟权函数得到了移动平均过程部分和以及部分和最大值矩完全收敛性精确渐近性的一般形式.

U-统计量对数律的精确渐近性

设{X_n,n≥1}是独立同分布随机变量序列,U_n是以对称函数h(x,y)为核函数的U-统计量.记(?)在一定条件下,建立了的精确收敛速度.

正相协随机变量列生成平均移动过程的矩完全收敛及精确渐近性(英文)

本文研究了平均移动过程的矩完全收敛性及其精确渐近性问题.利用正相协随机变量的性质,类似于文献Kim,Ko(2008)和Baek et al.(2008)中的方法,获得了由正相协随机变量生成的平均移动过程矩完全收敛的条件及精确渐近性,从而推广了负相协随机变量生成的平均移动过程有关文献的相关结果.

B值m相依随机变量列生成平均移动过程精确渐近性的一般形式

设{εt,t∈}是一零均值B值m相依随机元序列,满足ε1∈CL(B),E‖ε0‖2=σ2<∞,Eε0=0并且对任一f∈B*,f≠0,都有Ef2(ε1)+2(m+1)∑(k=2)Ef(ε1)f(εk)≠0;{αj,j∈}是一实数序列,满足∞∑j=-∞︱αj︱<∞,令Xt=∞∑j=-∞αj+tεj,t≥1,Sn=n∑t=1Xt,n≥1.利用弱收敛定理及矩不等式,讨论{Sn}精确渐近性的一般形式.

ρ-混合序列部分和之和乘积精确渐近性的一般形式

在适当的假设条件下,利用已有的关于ρ-混合序列部分和之和乘积渐近分布的结果,对一般的边界函数和拟权函数获得了ρ-混合序列部分和之和乘积精确渐近性的一般形式.

由鞅差序列生成的线性过程的Baum-Katz大数定律的精确渐近性

主要讨论了线性过程Xt=∑∞j=0ajεt-j,其中{εt,Ft;t∈Ζ}是均值为零,方差有限的平稳鞅差序列,aj,j∈Ζ是绝对可和的实数序列.令Sn=∑nt=1Xt,n≥1,在适当矩的条件下,利用部分和Sn的收敛性,对于1≤p<r<2以及δ>2,若supj≥1Eεjδ<∞,证明了∑∞n=1nr/p-2P|Sn|≥εn1p,∑∞n=1n-1/P|Sn|≥εn1/p当ε→0时的精确渐进性.在鞅差序列的前提下,进一步推广了线性过程的Baum-Katz大数律的精确渐近性性质.

长程相依过程关于矩完全收敛的精确渐近性质

令X_t=∑_(k=0)~∞a_kε_(t-k)为一滑动平均过程,其中ε_k为均值为零的独立同分布随机变量序列,{a_k,k≥0}为满足条件a_k～k^(-α)l(k)的实数序列,其中l(k)为缓变函数.当1/2<α<1时,X_t为一长程相依过程,如分数积分过程等.该文得到了长程相依过程X_t关于一类矩完全收敛的精确渐近性质,此结果可直接得到X_t完全收敛的精确渐近性质.

β-Hermite随机矩阵最大特征值精确渐近性的一般形式

对于相当广泛的边界函数和拟权函数,利用β-Hermite随机矩阵最大特征值的弱收敛定理、小偏差结论及广义βTracy-Wisdom分布的尾概率不等式,得到了其最大特征值的矩完全收敛性的精确渐近性的一般形式.

α-混合序列生成的平稳线性过程矩完全收敛性的精确渐近性

利用α-混合序列的矩不等式及α-混合序列生成的平稳线性过程部分和的渐近分布,得到α-混合序列生成的平稳线性过程部分和的矩完全收敛性的精确渐近性.