不同分布WOD随机变量序列的重对数律

在一个独立随机变量序列的重对数律的基础上,获得了一个不同分布WOD随机变量序列的重对数定理,定理的证明基于一个Kolmogorov型指数不等式.

次线性期望下WOD随机变量序列加权和的几乎处处收敛性

在次线性期望下,利用截断的方法给出宽象限相依(WOD)随机变量序列的强大数定律.

WOD随机变量序列加权和的完全收敛性

应用已有研究结论得到了宽相依(widely orthant dependent,WOD)随机变量序列加权和的完全收敛性定理,所用证明方法与传统证明方法有所不同,所得定理推广了已有研究结果。

WOD序列生成的移动平均过程的完全收敛性

设{Y_(i),-∞<i<∞}为不同分布的WOD随机变量序列,{a_(i),-∞<i<∞}为绝对可和的实数序列,利用WOD序列部分和矩不等式及慢变化函数的性质,在适当的矩条件下,研究了不同分布WOD序列生成的移动平均过程的完全收敛性.

WOD随机变量序列加权和的完全收敛性

应用WOD随机变量序列部分和最大值的Rosenthal型矩不等式,结合三段截尾法,研究了WOD随机变量序列加权部分和最大值的完全收敛性,所得的定理推广和改进了先前相应文献的一些结果.

WOD随机变量序列的完全收敛性

应用WOD 随机变量序列部分和最大值的Rosenthal型矩不等式,结合三段截尾法,研究了WOD随机变量序列部分和最大值的完全收敛性,所得定理将已有文献的结果推广至部分和最大值的情形。

WOD随机变量序列的完全收敛性和矩完全收敛性

该文采用五段截尾法,将Chen和Sung (2014)[5]的定理2.1以及Qiu和Chen (2014)[6]中的定理2.1推广至WOD随机变量序列情形,证明方法较已有的证明方法有所不同.

WOD随机序列的M估计的渐近正态性

为研究宽象限相依(WOD)随机变量序列的M估计的渐近正态性,首先给出WOD随机序列及M估计的定义;然后利用M估计的方法得到未知参数的估计量;最后用构造函数和截断方法证明了的WOD随机序列的M估计渐近正态性.推广了负相协(简称NA)、负超可加相依(简称NSD)、负象限相依(简称NOD)、广义负相关(简称END)及独立随机变量序列的相应结论.

WOD样本下密度函数核估计的一致强相合性

设{X_n,n≥1}是同分布的WOD随机变量序列,具有共同的密度函数f(x),利用WUOD序列的指数不等式,在适当的条件下获得了WOD样本下密度函数核估计的一致强相合性.

WOD随机变量序列移动平均过程的收敛性

WOD(widely orthant dependent)随机变量序列是一类宽泛的相依随机变量序列。主要研究由WOD随机变量序列生成的移动平均过程的收敛性,利用WOD序列的Rosenthal型矩不等式和Rademacher-Menshov型最大值矩不等式,获得了移动平均过程部分和最大值的矩完全收敛性和完全收敛性,结论推广了相依变量序列生成移动平均过程的结果。