Laws of Large Numbers for Dependent Heterogeneous Processes
相依异质过程的大数定律AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要提供的是相依异质随机变量的大数定律，未指定经济应用或具体模型领域，故不足以归入所列细分方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
相依异质过程的大数定律
- 研究问题
- 对于具有弱相依性、异质性乃至趋势的随机变量，怎样建立弱大数定律，并放宽 mixingale 强大数定律的衰减要求？
- 方法与思路
- 作者针对弱相依异质随机变量给出弱与强大数定律，将弱律扩展至含趋势情形，并研究 mixingale 序列的强律条件。
- 材料陈述的贡献
- 摘要称，弱大数定律覆盖含趋势的随机变量，mixingale 强大数定律则较既有结果要求更宽松的相依指标衰减速度。
- 阅读关注点
- 应核对弱相依与异质性的定义、趋势允许的形式、矩条件，以及 mixingale 指标衰减要求相对既有结果的变化。
- 阅读边界
- 仅据所给 Crossref 摘要，无法列出大数定律的具体充分条件，也不能判断其是否适用于某一实际数据生成过程。
原文摘要
This paper provides weak and strong laws of large numbers for weakly dependent heterogeneous random variables. The weak laws of large numbers presented extend known results to the case of trended random variables. The main feature of our strong law of large numbers for mixingale sequences is the less strict decay rate that is imposed on the mixingale numbers as compared to previous results.