一、相依随机变量序列的完全收敛性（论文文献综述）
潘晓映,胡天琳,王鑫蕊,施建华[1]（2021）在《宽象限相依序列移动平均过程的矩完全收敛性》文中指出研究了宽象限相依随机变量序列（WOD）下的移动平均过程,结合三段截尾技术,利用WOD随机变量序列的Menshov-Rademacher型矩不等式,得到了移动平均过程部分和的最大值矩完全收敛性.由于WOD随机变量序列是一类相当宽泛的相依型随机变量序列,所得结果推广和改进了相依型变量序列下移动平均过程的相关研究成果.
丁洋,葛梅梅,邓新[2]（2021）在《基于END误差下EV回归模型中LS估计量的强相合性》文中研究表明推广的负象限相依（END）变量是一类包含独立变量、负相协（NA）变量、负象限相依（NOD）变量等在内的非常广泛的相依变量,在保险与金融数学、复杂性系统、可靠性理论、生存分析等领域都有着广泛的应用。为了建立EV回归模型中未知参数LS估计量的强相合性,在假设误差是END随机变量序列的前提下,利用END变量的Bernstein型不等式以及随机变量的截尾技术,得出结论。所得结果不仅推广了NA随机变量的相应研究,也完善了概率极限理论。
何永平[3]（2021）在《一类随机变量的完全f矩收敛及其应用》文中研究指明
陈滨霞[4]（2021）在《次线性期望下加权和的大数定律及完全收敛定理》文中进行了进一步梳理
章茜,蔡光辉[5]（2021）在《WOD随机变量序列加权和的完全收敛性》文中研究说明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。
王静雅[6]（2021）在《基于相依序列的函数型数据非参数模型的近邻估计及应用》文中认为相较于独立样本情形而言,函数型相依结构序列的样本,在数理统计、可靠性理论、金融经济等学科应用更加广泛.目前,关于独立样本情形下函数型数据的研究已形成了较为完善的理论体系,而对于相依样本结构的函数型数据的研究是当前研究的热点问题,尚有较多的理论和实际问题值得探讨.如负相关（Negatively Associated,NA）列是一类非常重要的相依序列,对于NA列混合结构的函数型数据的研究,就是一个非常值得探讨的问题.此外,由于非参数回归模型具有对总体分布不作要求、估计方法灵活多样且稳健性较好的优点,因而在统计模型估计中颇受青睐,作为核密度估计延伸发展的k近邻（kNN）估计在理论结果和预测效果等方面都具有极大的优势,也因良好的性质而逐渐成为研究函数型数据的有效工具之一.本文首先对NA阵列随机和的弱收敛性进行了一些研究,利用相关的矩不等式和截尾的方法得到了行为NA随机阵列的弱收敛性.其次,研究了基于NA相依序列的函数型数据的非参数模型,采用k近邻估计的方法对模型进行估计,探讨了kNN估计的一致收敛性性质,获得了kNN估计量的一致完全收敛速度,并利用相关不等式及已有结论,对定理给出了详细的证明;最后,结合有限样本模拟和实际数据进行拟合验证,验证了模型估计结果的有效性,并与传统的核密度估计方法进行比较,证明其估计效果的实用价值.
谢静芳[7]（2021）在《相依随机变量序列的指数不等式及其应用》文中研究说明相依随机变量序列在统计研究、金融分析、随机过程理论等方面有着广泛的应用.本文在几类相依随机变量序列概率不等式的基础上,探究了这些随机变量序列的完全收敛性、大偏差,同时给出了其中一类特殊序列的强大数定律.论文的主要内容有:（1）在NSD序列和END序列概率不等式的基础上给出了它们的完全收敛性,并且在（?）E|Xi|p=O（np）条件下,给出LNQD序列的大偏差.（2）给出了WOD序列的指数不等式.（3）给出了ρ-混合序列的Marcinkiew-Zygmund型强大数定律.
郑蕊[8]（2021）在《几类相依随机变量序列的大偏差及强大数定律》文中提出相依随机变量序列极限理论的研究是概率极限理论研究的必然.本文在得到了几类相依随机变量大偏差的基础上,进一步探究了它们的极限结果—不同形式的强大数定律.本文首先推导出了鞅差序列、φ-混合序列、p阶M-Z型随机变量序列和 NOD（negatively orthant dependent）序列的部分和序列在条件（?）E|Xi|p=O（n）下的大偏差.之后通过AANA序列的大偏差,结合随机变量序列的强大数定律,推导出了 AANA（asymptotically almost negatively associated）随机变量序列在 p 满足不同条件时的Brunk-Prokhorov型强大数定律.同时,得到了特殊的AANA序列-NA（negatively associated）序列的Brunk-Prokhorov 型强大数定律.最后,本文利用截断法得到了 m-AANA（m-asymptotically almost negatively associated）序列加权和在不同条件下的强大数定律.
宋明珠,储莹[9]（2021）在《WOD随机变量序列移动平均过程的收敛性》文中进行了进一步梳理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。
付宗魁,费丹丹,张聪,孙莉敏[10]（2021）在《WOD序列生成的移动平均过程的完全收敛性》文中研究指明设{Yi,-∞<i<∞}为不同分布的WOD随机变量序列,{ai,-∞<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.
二、相依随机变量序列的完全收敛性（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、相依随机变量序列的完全收敛性（论文提纲范文）
（2）基于END误差下EV回归模型中LS估计量的强相合性（论文提纲范文）
| 1 引言 |
| 2主要结果 |
| 3 引理 |
| 4 主要结果的证明 |
（6）基于相依序列的函数型数据非参数模型的近邻估计及应用（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 相依序列的研究现状 |
| 1.3 函数型数据分析的研究方法 |
| 1.4 非参数模型的估计方法 |
| 1.4.1 核密度估计方法 |
| 1.4.2 k近邻估计方法 |
| 1.5 本文的研究内容和结构安排 |
| 2 NA阵列随机和的弱收敛性 |
| 2.1 基本概念与预备知识 |
| 2.1.1 NA定义及其性质 |
| 2.1.2 相关不等式 |
| 2.2 NA列的相关性质与引理 |
| 2.3 主要结论及其证明 |
| 3 NA样本下函数型非参数回归模型的k近邻估计 |
| 3.1 相关概念与引理 |
| 3.2 模型的估计和基本假设 |
| 3.2.1 模型的估计 |
| 3.2.2 基本假设条件与记号 |
| 3.3 渐近性质及其证明 |
| 3.3.1 主要结论 |
| 3.3.2 引理及其证明 |
| 3.3.3 定理证明 |
| 4 NA实证分析与应用 |
| 4.1 有限样本模拟 |
| 4.2 实例分析及应用 |
| 5 结论和展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 附录 A |
| 作者简介 |
| 作者在攻读硕士学位期间获得的学术成果 |
| 致谢 |
（7）相依随机变量序列的指数不等式及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文结构安排 |
| 第2章 预备知识 |
| 2.1 相关概念 |
| 2.2 相关引理 |
| 第3章 相依随机变量序列的指数不等式及其应用 |
| 3.1 随机变量序列的完全收敛性和大偏差 |
| 3.2 WOD随机变量序列的指数不等式 |
| 3.3 ρ~-混合序列的强大数定律 |
| 参考文献 |
| 致谢 |
| 个人简历、攻读硕士学位期间发表的论文及研究成果 |
（8）几类相依随机变量序列的大偏差及强大数定律（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 论文结构安排 |
| 第2章 预备知识 |
| 2.1 相关定义 |
| 2.2 相关引理 |
| 第3章 几类相依随机变量序列的大偏差及强大数定律 |
| 3.1 几类相依随机变量序列的大偏差 |
| 3.2 几类相依随机变量序列的Brunk-Prokhorov型强大数定律 |
| 3.3 m-AANA序列加权和的强大数定律 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
四、相依随机变量序列的完全收敛性（论文参考文献）
- [1]宽象限相依序列移动平均过程的矩完全收敛性[J]. 潘晓映,胡天琳,王鑫蕊,施建华. 闽南师范大学学报(自然科学版), 2021(04)
- [2]基于END误差下EV回归模型中LS估计量的强相合性[J]. 丁洋,葛梅梅,邓新. 滁州学院学报, 2021(05)
- [3]一类随机变量的完全f矩收敛及其应用[D]. 何永平. 安徽大学, 2021
- [4]次线性期望下加权和的大数定律及完全收敛定理[D]. 陈滨霞. 桂林理工大学, 2021
- [5]WOD随机变量序列加权和的完全收敛性[J]. 章茜,蔡光辉. 浙江大学学报(理学版), 2021(04)
- [6]基于相依序列的函数型数据非参数模型的近邻估计及应用[D]. 王静雅. 安庆师范大学, 2021(12)
- [7]相依随机变量序列的指数不等式及其应用[D]. 谢静芳. 西北师范大学, 2021(12)
- [8]几类相依随机变量序列的大偏差及强大数定律[D]. 郑蕊. 西北师范大学, 2021(12)
- [9]WOD随机变量序列移动平均过程的收敛性[J]. 宋明珠,储莹. 武汉大学学报(理学版), 2021(05)
- [10]WOD序列生成的移动平均过程的完全收敛性[J]. 付宗魁,费丹丹,张聪,孙莉敏. 数学的实践与认识, 2021(08)