NA随机变量序列的Hájeck-Rènyi不等式

本文给出了NA随机变量序列的Hájeck-Rènyi不等式,并利用它研究了NA随机变量序列的强大数律,所得结果是独立随机变量情形时相应结果的推广.而且还得到了任意随机变量序列的Hájeck-Rènyi不等式.

φ-混合序列的Hájeck-Rènyi不等式

得到了 -混合随机变量序列的 Hájeck- Rènyi不等式及强大数律 ,所得结果是独立随机变量情形时相应结果的推广 .

AANA序列的新Hjek-Rényi型不等式

证明了3·2k-1<p≤4·2k-1条件下的AANA随机变量序列的Hjek-Rényi型不等式,并给出了AANA序列部分和的收敛定理和上确界的可积性定理等应用.

一类矩不等式及应用

本文获得两两独立序列,NQD序列,φ-混合序列,ρ-混合序列的Bahr-Esseen型矩不等式.作为应用,获得这些序列的均值收敛性,H′ajek-R′enyi不等式,强收敛性,极大值矩的存在性,等等.

PA序列的Hájek-Rényi型不等式及强大数定律(英文)

本文给出了零均值PA序列的一个新的Hájek-Rényi型不等式,该不等式推广了文献[9]中的结果.此外,本文还得到了零均值PA序列的一个Brunk-Prokhorov型强大数定律.

ρ^＊混合序列的Hájeck-Rènyi型不等式及其应用

首先建立了ρ*混合序列的Hájeck-Rènyi型不等式,然后利用该不等式证明ρ*混合序列的a.s.收敛性和关于矩的结论;再利用截尾的方法,得到了它的完全收敛性,将独立序列完全收敛性的结论推广到了ρ*混合序列.

混合序列的Hájeck-Rènyi型不等式及强大数律

利用Utev S.和Peligrad M.不等式,得到了-混合随机变量序列的Hájeck-Rènyi不等式、三级数定理和Chung型强大数律,改进了甘师信与吴群英等人的结论,达到了与独立时一致的结果.

对称随机变量序列的Hájek-Rényi型不等式和强大数律

得到了对称随机变量序列的Hájek-Rényi型不等式,并利用它研究了对称随机变量序列的强大数律.

厚尾相依序列均值变点的截尾估计及其收敛性

本文研究厚尾相依随机变量序列的均值变点估计。在均值已知的情况下,提出变点的截尾估计方法,以消除厚尾随机变量序列中较多“奇异”点对估计结果的影响；在方差无穷的情形下推广了Hájek-Rényi型不等式,并由此得到变点估计的相合性和收敛速度。模拟结果表明方法的可行性。

线性过程方差变点的估计

本文研究线性过程方差变点的估计问题,给出了变点的CUSUM型估计量。在误差不相依情形下得到了线性过程的Hjek-Rnyi型不等式,在较弱的条件下推导出了估计量的收敛速度,最后模拟结果证实本文的结论。

厚尾相依序列的均值变点估计(英文)

本文研究了厚尾相依序列的均值变点估计.证明了变点的CUSUM估计的一致性并得到了收敛速度.在方差无穷的情况下推广了Hájek-Rényi不等式.

NA随机变量序列的强大数定理

利用随机变量的截尾方法和Háyek-Rényi型最大值不等式,研究了NA随机变量序列.在一定的条件下,得到了NA随机变量序列的Chung型强大数定理,对文献中的结果进行了推广.

■混合随机变量序列加权和的收敛性(英文)

本文研究了■混合随机变量序列加权和的收敛性。利用Utev,S.和Peligrad,M不等式得到了■混合随机变量序列加权和的收敛性定理及Hàjeck-Rènyi型不等式,推广和改进了W.F,Stout,吴群英,J.Hàjeck和A.Rènyi.的相应结论.

对称随机变量序列的强大数定律

利用Háyek-Rényi型最大值不等式研究了对称随机变量序列.在一定条件下,得到了对称随机变量序列的强大数定律.

φ-混合序列的强大数定理

利用Háyek-Rényi型最大值不等式得到了φ—混合序列和鞅差序列新的强大数定理.

AANA随机变量序列的强大数定理

利用Hájek-Rényi型最大值不等式,得到了关于AANA随机变量序列的一个强大数定理.

ρ^＊-混合随机变量序列的强大数定理

利用随机变量的截尾方法和Háyek-Rényi型最大值不等式研究了ρ*-混合随机变量序列.在一定的条件下,得到了ρ*-混合随机变量序列的强大数定理.

负相关序列的强大数定律和收敛速度

利用Háyek-Rényi型最大值不等式,得到了相关和负相关随机变量序列的强大数定律和收敛速度,作为推论,得到了Hu Shuhe,Hu Ming关于负相关随机变量序列的结论.

厚尾相依面板序列均值变点的截尾CUSUM估计

研究厚尾相依面板数据均值变点的截尾CUSUM估计问题。对原序列进行截尾,截尾后的数据二阶矩存在;在适当假设条件下,推广了截尾情形的Hájek-Rényi型不等式并构造变点的截尾型CUSUM估计量;证明估计量的相合性及其收敛速度。结果表明:厚尾相依序列参数β越小,估计量的收敛速度越快。截尾型CUSUM估计量能有效避免估计结果受厚尾序列“异常”点的影响,从而有更好的稳健性。

强大数定律的若干新结果

本文利用Hajek-Renyi型最大值不等式,获得了随机变量和的强大数定律和 收敛速度.作为应用,给出了某些相依随机变量和新的强大数定律.