导读:本文包含了负相协论文开题报告文献综述及选题提纲参考文献，主要关键词:负相协,加权和,矩完全收敛
负相协论文文献综述
郭明乐,刘锦然[1]（2019）在《行为负相协随机变量阵列加权和的矩完全收敛性》一文中研究指出矩完全收敛性是极限理论随机变量所需研究的重要性质之一。本文研究了行为负相协(NA)随机变量阵列加权和的矩完全收敛性,在已有结论的基础上获得了一些新的结论,完善了Sung的结果。本文所采用的证明方法完全不同于Sung的方法,运用截尾的思想简化了证明过程,有一定的创新。(本文来源于《安庆师范大学学报(自然科学版)》期刊2019年01期）
兰玉婷,冯新伟[2]（2019）在《非线性概率下行内负相协随机变量阵列的对数律》一文中研究指出本文在上概率空间中给出随机变量负相协的定义,该定义弱于现有非线性概率下的某些独立性概念.在此框架下,本文通过对随机变量阵列收敛性质的研究,得到上概率下行内负相协随机变量阵列的对数律,并同时给出依容度收敛的弱对数律.(本文来源于《中国科学:数学》期刊2019年08期）
袁亮亮,宋立新,冯敬海[3]（2016）在《非负不同分布负相协随机变量下的精细大偏差（英文）》一文中研究指出本文研究非负,不同分布,负相协随机变量的精细大偏差问题.在相对较弱的条件下,重点解决了非随机和的精细大偏差的下限问题,得到相对应的随机和的一致渐近结论.同时,对复合更新风险模型进行了深入的讨论,在一定的条件之下将其简化为一般的更新模型,并将所得相关的精细大偏差的结论应用到更为实际的复合更新风险模型中,验证了其理论与实际价值.除此之外,本文的研究还表明,随机变量间的这种相依关系对精细大偏差的最终结果的影响并不大.(本文来源于《应用概率统计》期刊2016年04期）
张立君,郭明乐[4]（2016）在《行为渐近负相协随机变量阵列加权和的矩完全收敛性》一文中研究指出利用Rosenthal型不等式和截尾的方法,获得了行为渐近负相协随机变量阵列加权和矩完全收敛的充分条件,并运用这些充分条件,把完全收敛性结论拓展到矩完全收敛性,完善了渐近负相协随机变量的相关性质。(本文来源于《山东大学学报(理学版)》期刊2016年02期）
王美玲[5]（2013）在《基于负相协随机样本的密度导数的小波估计》一文中研究指出小波分析的一个重要应用是非参数估计.当随机样本独立时,Donoho等人对密度函数的研究已经取得了近乎完美的成果(见D. Donoho, I. Johnstone, G. Kerky-acharian, D. Picard. Density estimation by wavelet thresholding. Ann. stat,1996,24:508－539).在这一工作的基础上,王慧颖在她的博士论文中利用非标准型算子讨论了密度导数的小波估计,并证明在某种情况下还是最优(次优)的.由于在实际应用中,随机样本总是存在某种相关性.负相协是特别重要的一类,Rao, Chaubey等人在这方面做了大量工作,但结果不够精细.本文在这一方向做了尝试.我们首先给出密度函数导数的线性小波估计,其结果优于Chaubey等人的定理(见Y. P. Chaubey, H. Doosti, B. L. S. Prakasa Rao. Wavelet based estimation of the derivative of a density for a negatively associated process. Proceedings of The9th Islamic Countries Conference on Statistical Sciences,2007);其次借鉴Donoho等人的工作,研究密度函数的非线性小波估计；最后利用非标准型表示讨论了密度导数估计.当随机样本退化为独立情形时,我们的结果等同于Liu和Wang的定理(见Youming Liu, Huiying Wang. Wavelet estimations for density derivatives. Science China (Mathematics). Vol.56, No.3,483-495,2013).(本文来源于《北京工业大学》期刊2013-06-23）
秦永松,杨翠莲[6]（2012）在《负相协样本多维边际密度的经验似然推断》一文中研究指出研究负相协样本多维边际密度函数的经验似然置信区间的构造,证明了负相协样本多维边际密度函数的分组经验似然比统计量的极限分布为卡方分布,由此结果可构造多维边际密度函数的经验似然置信区间。(本文来源于《广西师范大学学报(自然科学版)》期刊2012年03期）
明瑞星,石建辉,胡亦钧[7]（2012）在《负相协随机变量和的中偏差》一文中研究指出设X1,X2,…是一列负相协的随机变量,Xn的分布为Fn,其属于D族.假设μn=E(Xn)<!,n≥1.本文得到了x∈[γa(n),!),P(Sn-ESn>x)的一致渐近式,其中γ>0,a(n)是一个满足limn→!a(n)/n=0的正函数.(本文来源于《武汉大学学报(理学版)》期刊2012年03期）
谭玲[8]（2011）在《同分布负相协情形下威布尔分布族参数的经验贝叶斯检验问题》一文中研究指出在同分布负相协样本情形下研究了威布尔分布族参数的经验贝叶斯检验.利用密度函数核估计方法构造了参数的经验贝叶斯检验函数,在加权线性损失下获得了该估计的收敛速度,在适当条件下证明了经验贝叶斯检验函数的渐近最优性.(本文来源于《菏泽学院学报》期刊2011年05期）
李乃医,李永明[9]（2011）在《负相协样本下总体分位数的经验似然渐近性质的推断》一文中研究指出文章在强平稳负相协样本下,利用分组经验似然比方法,克服了传统经验似然方法的缺陷,所得到的渐近分布为标准的卡方分布,便于构造总体分位数的渐近置信区间。(本文来源于《统计与决策》期刊2011年06期）
邢国东,杨善朝[10]（2009）在《负相协随机变量的指数不等式》一文中研究指出该文给出了一些负相协随机变量的指数不等式.这些不等式改进了由Jabbari和Azarnoosh及Oliveira所得到的相应的结果.利用这些不等式对协方差系数为几何下降情形,获得了强大数律的收敛速度为n~(-1/2)(log log n)~(1/2)(log n)~2.这个收敛速度接近独立随机变量的重对数律的收敛速度,而Jabbari和Azarnoosh在上述情形下得到的收敛速度仅仅为n~(-1/3)(log n)~(5/3).(本文来源于《数学物理学报》期刊2009年06期）
负相协论文开题报告
（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：
本文在上概率空间中给出随机变量负相协的定义,该定义弱于现有非线性概率下的某些独立性概念.在此框架下,本文通过对随机变量阵列收敛性质的研究,得到上概率下行内负相协随机变量阵列的对数律,并同时给出依容度收敛的弱对数律.
（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。
负相协论文参考文献
[1].郭明乐,刘锦然.行为负相协随机变量阵列加权和的矩完全收敛性[J].安庆师范大学学报(自然科学版).2019
[2].兰玉婷,冯新伟.非线性概率下行内负相协随机变量阵列的对数律[J].中国科学:数学.2019
[3].袁亮亮,宋立新,冯敬海.非负不同分布负相协随机变量下的精细大偏差（英文）[J].应用概率统计.2016
[4].张立君,郭明乐.行为渐近负相协随机变量阵列加权和的矩完全收敛性[J].山东大学学报(理学版).2016
[5].王美玲.基于负相协随机样本的密度导数的小波估计[D].北京工业大学.2013
[6].秦永松,杨翠莲.负相协样本多维边际密度的经验似然推断[J].广西师范大学学报(自然科学版).2012
[7].明瑞星,石建辉,胡亦钧.负相协随机变量和的中偏差[J].武汉大学学报(理学版).2012
[8].谭玲.同分布负相协情形下威布尔分布族参数的经验贝叶斯检验问题[J].菏泽学院学报.2011
[9].李乃医,李永明.负相协样本下总体分位数的经验似然渐近性质的推断[J].统计与决策.2011
[10].邢国东,杨善朝.负相协随机变量的指数不等式[J].数学物理学报.2009