Asymptotics of running maxima for $φ$-subgaussian random double arrays
本文研究了运行极大值$Y_{m,j}=\max_{1 \le k \le m, 1 \le n \le j} X_{k,n} - a_{m,j}$,其中$\{X_{k,n}, k \ge 1, n \ge 1\}$是$φ$ -亚高斯随机变量的双数组,$\{a_{m,j}, m\ge 1, j\ge 1\}$是常数的双数组.当$\{X_{k,n}, k \ge 1, n \ge 1\}$具有适当的“指数型”尾分布时,研究了$\{Y_{m,j}, m \ge 1, j \ge 1\}$正负部分双列最大值的渐近性.主要结果指定为各种重要的特定场景和类的$φ$ -亚高斯随机变量。
2021-01-16 math.PR math.ST stat.TH
Sparse Hanson-Wright inequalities for subgaussian quadratic forms
本文证明了亚高斯随机变量稀疏二次型的Hanson-Wright不等式。这提供了有用的浓度不等式稀疏亚高斯随机向量在两种方式。设$X = (X_1, \ldots, X_m) \in \mathbb{R}^m$是具有独立亚高斯分量的随机向量,$ξ=(ξ_1, \ldots, ξ_m) \in \{0, 1\}^m$是独立伯努利随机变量。证明了$(X \circ ξ)^T A (X \circ ξ)$的稀疏二次型的大偏差界,其中$A \in \mathbb{R}^{m \times m}$是$m \times m$矩阵,随机向量$X \circ ξ$表示各向同性亚高斯随机向量$X \in \mathbb{R}^m$和随机向量$ξ\in \{0, 1\}^m$的Hadamard积,使得$(X \circ ξ)_{i} = X_{i} ξ_i$,其中$ξ_1, \ldots,ξ_m$是独立的Bernoulli随机变量.二次型中的第二种类型的稀疏性来自于我们随机采样各向异性亚高斯向量$Y = H X$的元素的设置,其中$H \in \mathbb{R}^{m\times m}$是$m \times m$对称矩阵;我们研究了$D_ξ Y$的$\ell_2$ -范数与其期望值的大偏差范围,其中对于给定的向量$x \in \mathbb{R}^m$,$D_{x}$表示对角矩阵,其主要对角条目是$x…
2017-02-19 math.PR math.ST stat.TH
Large deviations of the spectral radius of iid subgaussian random matrices
Massachusetts Institute of Technology(麻省理工学院)
研究独立同分布次高斯随机矩阵谱半径的大偏差,证明上尾指数速率及下尾二次速度界,并给出完整大偏差原理。
2026-10-12 math.PR
Complex Random Matrices have no Real Eigenvalues
设$ζ= ξ+ iξ'$,其中$ξ, ξ'$是均值为零、方差为1的亚高斯随机变量的iid拷贝。令$N_n$是一个$n \times n$随机矩阵,其条目是$ζ$的iid副本。我们证明了存在一个$c \in (0,1)$,使得$N_n$具有任何实特征值的概率小于$c^n$,其中$c$仅取决于$ξ$的亚高斯矩。该界限在常数$c$的范围内是最优的。证明的主要组成部分是一个最佳的尾部边界上的最小奇异值的矩阵的形式$M_n := M + N_n$,其中$M$是一个确定性的复杂矩阵的条件,$\|M\| \leq K n^{1/2}$为一些常数$K$取决于次高斯矩的$ξ$。对于这类随机变量,这个结果改进了Pan-Zhou和Rudelson-Vershynin的结果.在尾界的证明中,我们为复随机变量开发了一个最优小球概率界,推广了Tao-Vu和Rudelson-Vershynin开发的Littlewood-Offord理论。
2017-10-08 math.CO math.PR
Extreme least singular values of random row submatrices with bounded-density subgaussian entries
College of Science, Nanjing University of Posts and Telecommunications(南京邮电大学理学院);International Institute of Finance, School of Management, University of Science and Technology of China(中国科学技术大学管理学院国际金融研究院);Einstein Institute of Mathematics, The Hebrew University of Jerusalem(耶路撒冷希伯来大学爱因斯坦数学研究所)
该研究确定了有界密度次高斯项随机行子矩阵极小奇异值的指数尺度,推广了实高斯结果,结合多种概率估计方法得到偏差概率界,在相位检索阈值处给出稳定性参数的指数基。
2026-08-10 math.PR
Mass equidistribution for random polynomials
本文研究了多元随机多项式的渐近零点分布随次数的增长。对于在无穷远处具有超对数增长的光滑权函数,我们考虑相关的次高斯系数正交多项式的随机线性组合。这类概率分布包含广泛的随机变量,包括标准高斯和所有有界随机变量。我们证明,几乎每一个序列的随机多项式的归一化零电流成为等分布的确定性极值电流。证明的主要内容是Bergman核渐近性,随机多项式的质量均匀分布和次高斯二次型的浓度不等式。
2020-11-06 math.CV math.PR
Tail estimates for sums of variables sampled from a random walk
我们证明尾部估计变量$\sum_i f(X_i)$,其中$(X_i)_i$是一个随机游动的轨迹上的无向图(或等价地,一个可逆的马尔可夫链)。估计值是根据函数$f$的最大值、它的方差和图的谱。我们的证明比文献中的其他证明更基本,我们的结果更尖锐。我们得到了Bernstein和Bennett型不等式,以及一个关于次高斯变量的不等式。
2007-12-25 math.PR
On Dimension-dependent concentration for convex Lipschitz functions in product spaces
该研究针对乘积空间中分量为独立K--次高斯变量的随机向量,推导了1--Lipschitz凸函数的维数依赖型集中不等式,证明了估计的最优性,并对比了有限ψ_p范数变量的情形。
2023-04-30 math.PR
Sum of Gaussian vectors and large sets
California Institute of Technology(加州理工学院)
该研究证明了某些中心化随机变量可表示为有限个高斯向量之和,并应用结果解决了凸性问题及高斯空间中的最大椭球估计问题。
2026-07-14 math.FA math.MG math.PR
Concentration inequalities for some negatively dependent binary random variables
研究了离散立方中值为随机向量的函数满足随机覆盖性质(SCP)或强Rayleigh性质(SRP)的集中性.我们的SCP措施的结果包括subgaussian不等式的有界差分型扩展经典结果Pemantle和Peres和他们的同行为矩阵值设置加强最近的估计Aoun,Banna和Youssef。在更强的SRP假设下,得到了矩阵值函数的Bernstein型不等式,推广了Kyng和Song最近给出的正定矩阵线性组合的界.我们还详细处理的特殊情况下,独立的伯努利随机变量的条件下,他们的总和,我们得到加强估计,特别是修改后的对数Sobolev不等式,Talagrand的凸距离不等式,并作为推论,浓度结果的凸函数和多项式,以及改进估计矩阵值函数。这些结果推广了许多作者广泛研究的离散立方体切片上的一致测度的不等式。我们的方法是基于最近的结果Hermon和Salez和一个一般框架,涉及修改后的log-Sobolev不等式的离散立方体,这是独立的兴趣。
2021-08-28 math.PR
The circular law for non-Hermitian random band matrices up to bandwidth $N^{2/3+c}$
Massachusetts Institute of Technology(麻省理工学院)
本文证明了非厄米随机带状矩阵在带宽 $N^{2/3+c}$ 及更宽条件下的圆律,覆盖双随机方差分布与周期标量条带,无需下方差界或密度假设,通过粗奇异值计数等方法实现。
2026-09-15 math.PR
Hanson-Wright inequality in Banach spaces
讨论了值在巴拿赫空间中的高斯随机变量的二次型的矩和尾的双边界。我们陈述一个自然的猜想,并表明它持有额外的对数因子。此外,在某类巴拿赫空间(包括$L_r$ -空间)中,这些对数因子可以被消除。作为推论,我们得到了次高斯随机变量的二次型的尾和矩的上界,推广了Hanson-Wright不等式。
2020-02-20 math.FA math.PR math.ST
The circular law for random band matrices with arbitrary doubly stochastic variance profiles
Massachusetts Institute of Technology(麻省理工学院)
本文改进了随机带矩阵圆形定律的带宽阈值,适用于任意双随机方差剖面,并推导了特征向量弱去局域化估计。
2026-10-14 math.PR
The circular law for non-Hermitian random band matrices: optimal bandwidth, periodic profile and discrete law
Massachusetts Institute of Technology(麻省理工学院)
本文针对非厄米随机带矩阵,在最优带宽阈值W_N≫log N及相关假设下,证明了周期模型等几类模型的圆律,完善了该领域的收敛性结果。
2026-09-09 math.PR
Sparse Random Matrices have Simple Spectrum
设$M_n$是一类对称稀疏随机矩阵,其中$i \leq j$的元素独立于$M_{ij} = δ_{ij} ξ_{ij}$. $δ_{ij}$为i.i.d.。对于任何常数$δ> 0$和$ξ_{ij}$,取$1$值且概率为$p \geq n^{-1+δ}$的伯努利随机变量是独立同分布。中心的亚高斯随机变量。我们证明了这类随机矩阵具有简单谱(即特征值重数为1)的概率很高。我们可以稍微修改我们的证明,以证明稀疏Erdens-Rényi图的邻接矩阵对于$n^{-1+δ} \leq p \leq 1- n^{-1+δ}$具有简单谱。这些结果是指数最优的。图的结果与臭名昭著的图同构问题有关。
2018-02-18 math.CO math.PR
Coverings of random ellipsoids, and invertibility of matrices with i.i.d. heavy-tailed entries
设$A=(a_{ij})$是具有独立同分布的$n\times n$随机矩阵。条目,例如$\mathbb{E} a_{11} = 0$和$\mathbb{E} {a_{11}}^2 = 1$。我们证明,对于任何$δ>0$有$L>0$只依赖于$δ$,和一个子集$\mathcal{N}$的$B_2^n$的基数最多$\exp(δn)$,使概率非常接近一,我们有$$A(B_2^n)\subset \bigcup_{y\in A(\mathcal{N})}\bigl(y+L\sqrt{n}B_2^n\bigr).$$作为一个应用程序,我们表明,对于一些$L'>0$和$u\in[0,1)$只依赖于分布规律的$a_{11}$,最小奇异值$s_n$的矩阵$A$满足$\mathbb{P}\{s_n(A)\le \varepsilon n^{-1/2}\}\le L'\varepsilon+u^n$的所有$\varepsilon>0$。后一结果推广了Rudelson和Vershynin的一个定理,该定理被证明为具有次高斯项的随机矩阵。
2017-02-14 math.PR
A weak law of large numbers for the sequence of uncorrelated fuzzy random variables
本文证明了不相关(见定义3.1)模糊随机变量序列关于一致Hausdorff度量$d_H^{\infty}$的弱大数定律,它是独立模糊随机变量弱大数定律的推广。
2021-01-09 math.PR
Marcinkiewicz-type laws of large numbers for pseudo-independent random variables under sublinear expectations
本文在次线性期望框架下,针对弱于Peng独立性的伪独立随机变量,证明了Marcinkiewicz型弱大数定律与强大数定律。
2025-04-30 math.PR
Strong laws of large numbers for pairwise PQD random variables: a necessary condition
给出了同分布两两正象限相依随机变量序列关于规范化常数$n^{1/p}$ $(1 \leqslant p < 2)$服从强大数定律的一个必要条件.
2020-10-24 math.PR
Convergence rates in the law of large numbers and new kinds of convergence of random variables
本文首先研究了独立同分布随机变量的大数定律的收敛速度。我们得到了大数定律的强$L^p$ -收敛形式和强几乎必然收敛形式。其次,我们研究了随机变量的几种新的收敛性,并讨论了它们之间的关系和性质。
2018-06-15 math.PR
On the Law of Large Numbers for non-equally distributed weakly dependent random variables
МГУ им. М.В.Ломоносова(莫斯科国立大学);Институт проблем передачи информации РАН им. А.А. Харкевича(俄罗斯科学院信息传输问题研究所);Российский университет дружбы народов(俄罗斯人民友谊大学)
本文研究弱相依、非等分布随机变量在有限或无限期望情形下的大数定律,给出三个版本的弱大数定律。
2024-11-08 math.PR
On the Strong Law of Large Numbers for Sequences of Pairwise Independent Random Variables
建立了两两独立非同分布随机变量序列强大数律适用的新的充分条件。这些结果推广了Etemadi对同分布随机变量的Kolmogorov SLLN的推广.所得到的一些结果与一个任意的赋范序列,在经典的正规化。
2017-01-04 math.PR
Strong laws of large numbers for sequences of blockwise $m$-dependent and orthogonal random variables under sublinear expectations
本文在次线性期望框架下,针对块wise $m$-相依和正交这两类非独立随机变量,建立了强大数定律,推广了该空间中独立随机变量的强大数定律。
2025-04-16 math.PR
How fast increasing powers of a continuous random variable converge to Benford's law
众所周知,当指数趋近无穷大时,连续随机变量的递增幂在分布上收敛于本福德定律。的收敛速率已估计使用傅里叶分析,但我们提出了一个基本的方法,这是更容易应用,并提供了一个更好的估计,在广泛研究的情况下,均匀分布的随机变量。
2013-07-22 math.PR
Limiting eigenvalue distribution of heavy-tailed Toeplitz matrices
本文研究具有 $α$-稳定律吸引域重尾输入的随机对称 Toeplitz 矩阵,证明缩放后的经验特征值分布收敛为 $\ell^2(\mathbb{Z})$ 上随机自伴算子的期望谱测度,并刻画其次高斯性及支集随 $α$ 的有界性。
2023-04-25 math.PR
Marcinkiewicz-Zygmund Strong Law of Large Numbers for Pairwise i.i.d. Random Variables
证明了两两独立同分布随机变量的Marcinkiewicz-Zygmund强大数律成立.证明了若$X_{1}, X_{2}, \ldots$是两两独立同分布随机变量,使得$E|X_{1}|^p < \infty$对某个$1 < p < 2$,则$(S_{n}-ES_{n})/n^{1/p} \to 0$ a.s.其中$S_{n} = \sum_{k=1}^{n} X_{k}$。
2015-08-12 math.PR
On Strong Law of Large Numbers for pairwise independent random variables
本文针对两两独立随机变量提出新的强大数定律,放宽了有限期望假设,扩展了经典结果。
2023-12-04 math.PR
On weak laws of large numbers for maximal partial sums of pairwise independent random variables
本文发展了Rio方法[C. R. Acad. sci.巴黎先生我数学,1995]证明了两两独立随机变量的最大部分和的弱大数定律。该方法避免了使用Kolmogorov极大不等式。作为应用,在一致可积条件下,建立了两两独立随机变量的最大部分和的一个弱大数定律。通过实例说明了结果的清晰性。
2022-07-30 math.PR
Laws of Large Numbers for Non-Independent Random Variables on Hyperspaces with respect to the Hausdorff Metric
North China Electric Power University(华北电力大学);Beijing University of Technology(北京工业大学)
本文研究集值随机变量序列的Minkowski和的极限行为,通过支撑函数在有限维空间中建立了非独立随机变量在Hausdorff度量下的弱和强大数定律。
2026-06-15 math.PR
Strong laws of large numbers for intermediately trimmed sums of i.i.d. random variables with infinite mean
我们考虑非负i.i.d.随机变量。我们证明了对于每一个分布函数都存在一个适当的适度修剪,使得对于修剪后的和,非平凡的强大数律成立。在分布函数具有规则变化尾部的情况下,给出了强大数律成立的关于修剪的充要条件。
2017-12-07 math.PR
Strong laws of large numbers for arrays of row-wise extended negatively dependent random variables
本文的主要目的是在相依情形下得到随机变量阵列或加权和的强大数定律。即,对于由随机变量$X \in \mathscr{L}_{1}$和正常数序列$\{b_{n} \}$控制的行扩展负相依随机变量弱均值三角阵列$\{X_{n,k}, \, 1 \leqslant k \leqslant n, \, n \geqslant 1 \}$,给出了保证$\sum_{k=1}^{n} \left(X_{n,k} - \mathbb{E} \, X_{n,k} \right)/b_{n} \overset{\textnormal{a.s.}}{\longrightarrow} 0$的条件.我们的声明也使我们能够改进最近的结果全收敛。
2019-04-02 math.PR
Gaussian bounds and Collisions of variable speed random walks on lattices with power law conductances
我们考虑一个带电导的加权格点$Z^d$ $μ_e=|e|^{-α}$ .利用内禀度量证明了其上变速随机游动的热核满足双边高斯界。我们还证明了当$d=2$和$α\in (-1,0)$时,两个独立的随机游动在这样的加权格上会碰撞无限次,而它们是瞬态的。
2015-10-01 math.PR
Strong law of large numbers for $m$-dependent and stationary random variables under sub-linear expectations
本文在次线性期望框架下,先建立独立非同分布随机变量的强大数定律,再将其拓展至满足特定条件的$m$-相依平稳随机变量序列,推广了次线性期望下的大数定律理论。
2024-04-01 math.PR
Convergence in law implies convergence in total variation for polynomials in independent Gaussian, Gamma or Beta random variables
考虑在独立的高斯、伽玛或贝塔随机变量中求值的有界次数的多项式序列。我们表明,如果这个序列在法律上收敛到一个非常数分布,那么(i)的极限分布必须是绝对连续的勒贝格测度和(ii)收敛自动发生在全变差拓扑。我们的证明,它依赖于Carbery-Wright不等式,并利用扩散马尔可夫算子的方法,扩展了\cite{NP}的结果的Gamma和Beta的情况。
2013-05-13 math.PR
Laws of large numbers for weighted sums of independent random variables: a game of mass
考虑增量序列调节的独立随机变量的加权和。我们提供了操作条件,确保强大数律,这样的和举行在中心和非中心的情况。现有的强定律的准则要么是隐式的,要么假设系数序列有充分的衰减。在我们的设置中,我们允许系数的任意序列,可能是随机的,只要由这样的增量调节的随机变量满足一些温和的浓度条件。在非中心的情况下,收敛可以转化为一个确定性序列的行为,它成为一个游戏的质量提供的随机变量的期望是一个函数的增量。我们将展示如何通过识别几类增量来显示不同的限制场景,并将提供具体的例子。
2021-03-10 math.PR
Kolmogoroff's Strong Law of Large Numbers holds for pairwise uncorrelated random variables
利用N. Etemadi于1981年提出的强大数律以及S.彻尔格伊格湾Tandori和V.Totik在1983年的文章中,给出了两两不相关(以及“拟不相关”)随机变量的SLLN仍然成立的弱条件。我特别关注的是非同分布的随机变量。该方法还提供了一个简单的证明经典SLLN。
2022-01-31 math.PR
On strong law of large numbers for weakly stationary $φ$-mixing set-valued random variable sequences
Institute of Information Technology, Vietnam Academy of Science and Technology(越南科学技术院信息技术研究所)
本文研究了弱平稳φ-混合多值随机变量序列的强律大数定律,通过示例证明了定理假设的合理性与精确性。
2026-03-10 math.PR
A Weak Law of Large Numbers for Dependent Random Variables
每个具有$ \, \lim_{M \to \infty} \big( M \sup_{k \in \mathbb{N}} \mathbb{P} ( |f_k| > M ) \big)=0\,$的随机变量的序列$f_1, f_2, \cdots \, $都包含一个子序列$ f_{k_1}, f_{k_2} , \cdots \,$,该子序列连同其所有连续性一起满足弱大数定律:概率上的$ \, \lim_{N \to \infty} \big( (1/N) \sum_{n=1}^N f_{k_n} - D_N \big) =0\,,$。这里,$\, D_N\, $是“校正”随机变量,对于每个$N \in \mathbb{N} $,其值在$[-N,N]$中;此外,如果$\, \liminf_{k \to \infty} \mathbb{E} \big( f_k^2 \, \mathbf{ 1}_{ \{ |f_k| \le M \} } \big) =0\,$对于每个$M \in (0, \infty)\,.$成立,则这些校正因子都等于零
2022-04-22 math.PR
On the law of the iterated logarithm under the sub-linear expectations
本文建立了次线性期望空间中独立随机变量的重对数律的一般形式,其中随机变量不一定是同分布的.建立了独立随机变量最大和的指数不等式和Kolmogorov逆指数不等式,作为证明重对数律的工具。作为应用,得到了独立同分布随机变量在次线性期望下重对数律成立的充必要条件。
2021-06-15 math.PR
On the Law of the Iterated Logarithm for m-dependent stationary random variables under sub-linear expectations
该研究在次线性期望框架下,先将重对数律推广至独立非同分布随机变量序列,再以此为中间步骤建立m-相依平稳序列的重对数律,并给出相应必要条件,拓展了次线性期望下的极限理论。
2025-06-12 math.PR
A Law Limit Theorem for a sequence of random variables
该研究利用Levy连续性定理与Hankel变换建立了特定随机变量序列的依分布收敛极限定理,还研究了指定极限分布下的函数构造逆问题,拓展了已有成果,可实现高斯、柯西等分布的采样。
2024-06-21 math.PR
A Strong Law of Large Numbers for Positive Random Variables
根据著名的KOMLSABS(1967)定理,在概率空间上的每个非负可测函数序列$\{ f_n \}_{n \in \N}$,都包含一个子序列,该子序列与它的所有连续性一起a.e.收敛。在CESSERO中,是指一些可测量$f_* : Ω\to [0, \infty]$。VON WEIJUCKER(2004)的这个结果在这里用一种新的方法和基本工具得到了证明;这些方法和工具也使DELBAEN & SCHACHERMAYER(1994)的一个定理更加尖锐,用CESSROMO方法代替了一般的凸组合。
2022-04-08 math.PR
On strong law of large numbers for non identically distributed random variables
M.V. Lomonosov Moscow State University(莫斯科国立罗蒙诺索夫大学);Institute for Information Transmission Problems (A.A.Kharkevich Institute)(信息传输问题研究所(A.A.哈尔克维奇研究所));RUDN University(俄罗斯人民友谊大学);NRU HSE(高等经济国立大学)
该研究针对含少量不良相关项的两两独立随机变量序列,提出放松期望存在性假设的强大数定律新版本,适用于罕见项矩阶数收敛至零的情况。
2026-09-04 math.PR
Game-theoretic versions of strong law of large numbers for unbounded variables
我们在Shafer和Vovk(2001)的博弈论概率框架下考虑了强大数律(SLLN)。我们证明了几个版本的SLLN的情况下,现实的举动是无界的。我们的博弈论版本的SLLN在很大程度上对应于标准的测量理论的结果。然而,博弈论的证明是不同的明确考虑各种模糊限制语的测量理论。在测度论的证明存在的时刻,而在我们的博弈论的证明,我们假设各种对冲有限的价格怀疑论者的可用性。
2006-03-08 math.PR
Exponential inequalities under sub-linear expectations with applications to laws of the iterated logarithm
Kolmogorov指数不等式是研究独立和相关随机变量的经典重对数律等强极限定理的基本工具。在次线性期望下,建立了独立随机变量与负相依随机变量部分和的Kolmogorov型指数不等式.作为指数不等式的应用,证明了独立或负相依同分布有限二阶矩随机变量在非可加容量意义下的重对数律.对于方差有限的随机变量,在次线性期望下,证明了一个中心极限定理,并给出了一个指数不等式的下界。
2016-05-17 math.PR
Cramér theorem for Gamma random variables
本文讨论了如下问题:给定一个具有Gamma律的随机变量$Z=X+Y$,使得$X$和$Y$相互独立,我们想知道是否$X$和$Y$ { \it各自}都遵循Gamma律.这与Cramér定理有关,该定理指出,如果$X$和$Y$是独立的,则$Z=X+Y$遵循高斯定律,当且仅当$X$ { \it和} $Y$遵循高斯定律。本文证明了在Gamma意义下,对于离开定阶Wiener混沌的随机变量,Cramér定理成立,但结果一般不成立.我们也给出了我们结果的一个渐近变式。
2011-01-13 math.PR
Strong law of large numbers for $φ$-sub-Gaussian random variables under sub-linear expectation spaces
University of Debrecen(德布勒森大学)
本文在子线性期望空间下,针对φ-子高斯随机变量建立了强大数定律,并通过实例展示了其应用价值。
2026-02-20 math.PR
Marchenko-Pastur law for a random tensor model
本文研究了由$\binom{n}{d}$独立标准化随机变量中$\binom{n}{d}$变量的不同乘积构成的对称随机张量所对应的高维样本协方差阵的极限谱分布。我们找到了最佳的充分条件,这个分布是马琴科-帕斯托尔定律的情况下$d=d(n)$和$n\to\infty$。我们的条件减少到$d^2=o(n)$时,变量具有一致有界的四阶矩。证明是基于对称随机张量中二次型的一个新的集中不等式和初等对称随机多项式的一个大数定律。
2021-11-08 math.PR
Notes on scale-invariance and base-invariance for Benford's Law
已知如果X是模1均匀分布的,Y是与X无关的任意随机变量,则Y+X也是模1均匀分布的。我们证明了对任何连续随机变量Y(或对连续随机变量的合理近似)的逆,使得如果X和Y+X是模1均匀分布的,并且Y与X无关,则X是模1均匀分布的(或合理地近似均匀分布)。这通过标度不变性的推广转化为本福德定律的特征:从乘以常数到乘以独立的随机变量。我们还展示了一个基不变的特征:如果一个正的连续随机变量具有相同的有效数分布的两个基地,那么它是Benford的两个基地。随机变量为Benford的基的集合通过特征函数来刻画。
2013-07-13 math.PR
A uniform $L^1$ law of large numbers for functions of i.i.d. random variables that are translated by a consistent estimator
我们发展了一个新的$L^1$大数定律,其中$i$ -th被加数由在$X_i - θ_n$上求值的函数$h(\cdot)$给出,并且其中$θ_n \circeq θ_n(X_1,X_2,\ldots,X_n)$是概率收敛到某个参数$θ\in \mathbb{R}$的估计量。在广泛的技术条件下,在$θ$和另一个一致估计器$θ_n^{\star}$之间插值的估计器集合中,收敛性一致保持。我们的主要贡献是治疗的情况下,$|h|$吹在$0$,这是不包括标准的统一大数定律。
2018-07-25 math.PR
Two laws of large numbers for sublinear expectations
本文在有界随机变量上定义了次线性期望,并利用不相关性和独立性概念分别证明了弱和强大数定律,为工程和统计中的质量评估与分布关系解释提供了理论支持。
2023-11-16 math.PR
Products of random variables and the first digit phenomenon
我们提供的条件依赖和非平稳随机变量$X_n$,确保尾数的产品序列$\left(\prod_{1}^{n}X_k\right)$几乎肯定是分布遵循本福德定律或收敛于分布的本福德定律。
2015-12-18 math.PR
On the laws of the iterated logarithm under the sub-linear expectations without the assumption on the continuity of capacities
本文建立了次线性期望空间中独立随机变量的重对数律的一般形式,其中随机变量不一定是同分布的.建立了独立随机变量最大和的指数不等式和Kolmogorov逆指数不等式,作为证明重对数律的工具。作为应用,得到了独立同分布随机变量在次线性期望下重对数律成立的充必要条件。本文还证明了如果次线性期望空间足够丰富和正则,则它不具有连续容量。在没有容量连续性假设的情况下,建立了重对数律。这个修订填补了arXiv:2103.01390命题4.2在一个额外假设下证明的空白。
2021-12-29 math.PR
The sufficient and necessary conditions of the strong law of large numbers under the sub-linear expectations
本文通过建立一个不一定连续的容量的Borel-Cantelli引理,以及次线性期望下的独立随机变量序列与$\mathbb R^{\infty}$上的概率下的独立随机变量序列之间的联系,给出了次线性期望下独立同分布随机变量的强大数律成立的充必要条件,以及独立随机变量无穷级数收敛的充分条件和必要条件,而不需要对容量的连续性作任何假设。给出了弱大数定律的一个纯概率证明。在版本1中,在引理2.1和2.2的证明中存在错误。版本2在附加条件下纠正了错误,但推论3.1-3.4仅针对新的次线性期望空间中的随机变量的副本显示。在这个版本中,我们证明推论3.1-3.4对于原始随机变量仍然成立,而副本的结果只是特殊情况。
2021-09-20 math.PR