×

Sung型加权和的完全矩收敛及其在EV回归模型中的应用。 (英语) Zbl 1482.60049号

设\(left\{S_{n},n\geq1\right\})表示随机变量序列,\(left \{c_{n},n\geq 1\right \},)表示正数序列,以及\(f)表示具有\(f(0)=0的递增函数。序列\(左\{S_{n},右\})完全收敛\(f)-矩,如果\(sum_{n=1}^{infty}c_{n} 电动势(\left\{left\vert S_{n}\right\vert--\varepsilon\right\}_{+})<\infty\)表示所有\(\varepsilon>0\)。特殊情况包括\(f(t)=t^{q}\)、\(q>0\)和\(c_{n}=1\)。在主要结果中,作者考虑了形式为(S_{n}=max{1\leqk\leqn}\left\vert\sum{i=1}的序列^{k} 一个_{ni}X_{i} \ right\vert/n^{\alpha}\)和\(c_{n}=n^{\ alpha p-2}\)以及\(X_{i}\)、\(a_{ni}\)上的状态条件和参数\(alpha,p\)以确保\(\ left\{S_{n},n\geq1\right\}\)完全收敛\(f\)-矩。在本文的第二部分中,作者将这些结果应用于简单的线性误差-变量模型,并考虑了理论结果和数值模拟。

理学硕士:

2015年1月60日 强极限定理
2012年12月62日 参数估计量的渐近性质
62J99型 线性推断、回归
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿德勒,A。;Rosalsky,A.,随机支配随机变量加权和的一些一般强定律,Stoch Ana Appl,5,1,1-16(1987)·Zbl 0617.60028号 ·网址:10.1080/07362998708809104
[2] 阿德勒,A。;罗莎尔斯基,A。;Taylor,RL,赋范线性空间中随机元加权和的强大数定律,国际数学杂志,12,3,507-529(1989)·Zbl 0679.60009号 ·doi:10.1155/S0161171289000657
[3] Chow,YS,《关于样本和和极值的矩收敛速度》,布尔数学研究所,Acad Sin,16,3,177-201(1988)·Zbl 0655.60028号
[4] Deaton,A.,《横截面时间序列的面板数据》,《经济杂志》,30,1,109-126(1985)·Zbl 0584.62193号 ·doi:10.1016/0304-4076(85)90134-4
[5] Hsu,PL;Robbins,H.,《完全收敛与大数定律》,美国国家科学院院刊,第33、2、25-31页(1947年)·Zbl 0030.20101号 ·doi:10.1073/pnas.33.2.25
[6] 胡,D。;陈,PY;Sung,SH,混合随机变量加权和的强定律及其在变量回归模型误差中的应用,TEST,26,3,600-617(2017)·Zbl 1370.60053号 ·doi:10.1007/s11749-017-0526-6
[7] 华,ZQ;宋,LX;卢,DW;Qi,XM,带重尾的END随机变量两个和之差的精确大偏差,公共统计理论方法,46,2,736-746(2016)·Zbl 1360.60062号 ·doi:10.1080/03610926.2015.1004094
[8] Joag-Dev,K。;Proschan,F.,随机变量与应用的负相关,《Ann Stat》,第11、1、286-295页(1983年)·兹比尔0508.62041 ·doi:10.1214操作系统/1176346079
[9] Liu,L.,重尾相依随机变量的精确大偏差,Stat Probab Lett,79,9,1290-1298(2009)·兹比尔1163.60012 ·doi:10.1016/j.spl.2009.02.001
[10] Liu,L.,重尾相依随机变量中度偏差的充要条件,科学中国数学,53,61421-1434(2010)·Zbl 1196.60040号 ·doi:10.1007/s11425-010-4012-9
[11] 刘,JX;Chen,XR,简单线性EV回归模型中LS估计的一致性,Acta Math Sin,25,1,50-58(2005)·Zbl 1059.62072号 ·doi:10.1016/S0252-9602(17)30260-6
[12] Miao,Y.,具有NA误差的EV回归模型中LS估计的渐近正态性和强相合性,Stat Pap,54,1,193-206(2013)·Zbl 1256.62013年 ·doi:10.1007/s00362-011-0418-x
[13] 苗,Y。;Liu,WA,简单线性EV回归模型中LS估计的中度偏差,J Stat Plan推断,139,9,3122-3131(2009)·Zbl 1167.62445号 ·doi:10.1016/j.jspi.2009.02.021
[14] 苗,Y。;王凯。;Zhao,FF,简单线性EV回归模型中LS估计器的一些极限行为,Stat Probab Lett,81,1,92-102(2011)·Zbl 1456.62040号 ·doi:10.1016/j.spl.2010.09.023
[15] 邱DH,肖J(2018)END设置下Sung型加权和的完全矩收敛。数学科学学报。已接受·Zbl 1438.60039号
[16] 沈,AT,END随机变量加权和的完全收敛及其在非参数回归模型中的应用,《非参数统计杂志》,28,4,702-715(2016)·Zbl 1348.60047号 ·doi:10.1080/10485252.2016.225050
[17] 沈,AT;薛,MX;Wang,WJ,广义负相依随机变量加权和的完全收敛性,公共统计理论方法,46,3,1433-1444(2017)·Zbl 1360.60069号 ·doi:10.1080/03610926.2015.1019147
[18] 沈,AT;姚,M。;Xiao,BQ,END随机变量完全收敛和完全矩收敛的等价条件,Chin Ann Math Ser B,39,1,83-96(2018)·Zbl 1395.60035号 ·doi:10.1007/s11401-018-1053-9
[19] Sung,SH,混合随机变量加权和的完全收敛性,离散动态社会,2010,13(2010)·Zbl 1193.60045号 ·数字对象标识代码:10.1155/2010/630608
[20] 王,XJ;胡,TC;沃洛丁,A。;S、 H.,行扩展负相依随机变量加权和和数组的完全收敛性,Commun Stat Theory Methods,42,13,2391-2401(2013)·Zbl 1276.60036号 ·doi:10.1080/03610926.2011.609321
[21] 王,XJ;沈,AT;陈,ZY;Hu,SH,NSD随机变量加权和的完全收敛及其在EV回归模型中的应用,TEST,24,1,166-184(2015)·Zbl 1316.60042号 ·doi:10.1007/s11749-014-0402-6
[22] Wu,Y。;王,XJ;Hu,SH,弱相依随机变量加权和的完全矩收敛及其在非参数回归模型中的应用,Stat Probab Lett,127,56-66(2017)·Zbl 1378.60063号 ·doi:10.1016/j.spl.2017.03.027
[23] Wu Y,Wang XJ,Hu TC,Volodin A(2017b)广义负相依随机变量的完全矩收敛性。RACSAM,doi:10.1007/s13398-017-0480-x.出版·Zbl 1415.60030号
[24] Wu,Y。;Wang,许继;胡,SH;Yang,LQ,一类随机变量的强大数定律的加权版本及其应用,TEST,27,2,379-406(2018)·Zbl 1402.60037号 ·doi:10.1007/s11749-017-0550-6
[25] Wu,YF;密苏里州卡布雷拉;Volodin,A.,行端随机变量数组的完全收敛和完全矩收敛,Glas Matematicki,49,2,447-466(2014)·Zbl 1319.60064号 ·doi:10.3336/gm.49.2.16
[26] Wu,YF;Guan,M.,端随机变量序列部分和的收敛性,韩国数学社会杂志,49,6,1097-1110(2012)·Zbl 1264.60023号 ·doi:10.4134/JKMS.2012.49.6.1097
[27] Wu,YF;彭,JY;Hu,TC,在(h\)-可积性条件下行状END随机变量数组的极限行为,随机,87,3,409-423(2015)·Zbl 1325.60036号 ·doi:10.1080/17442508.2014.959951
[28] 杨,WZ;徐,HY;Chen,L。;Hu,SH,基于扩展负相关误差的回归模型估计量的完全一致性,Stat Pap,59,2,449-465(2018)·Zbl 1401.62074号 ·doi:10.1007/s00362-016-0771-x
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。