设{ξ1,ξ2,…,ξn}为来自[0,1]上服从均匀分布的独立同分布样本,产生的经验过程为Fn(t)=n^(-1/2)sum from i=1 to n( (I{ξi≤t}-t)),0≤t≤1,‖Fn‖=sup 0≤t≤1 Fn(t).利用经验过程的弱收敛定理和尾概率不等式,对一般的边界函数和拟...设{ξ1,ξ2,…,ξn}为来自[0,1]上服从均匀分布的独立同分布样本,产生的经验过程为Fn(t)=n^(-1/2)sum from i=1 to n( (I{ξi≤t}-t)),0≤t≤1,‖Fn‖=sup 0≤t≤1 Fn(t).利用经验过程的弱收敛定理和尾概率不等式,对一般的边界函数和拟权函数得到了矩完全收敛性精确渐近性的一般形式.展开更多
文摘设{ξ1,ξ2,…,ξn}为来自[0,1]上服从均匀分布的独立同分布样本,产生的经验过程为Fn(t)=n^(-1/2)sum from i=1 to n( (I{ξi≤t}-t)),0≤t≤1,‖Fn‖=sup 0≤t≤1 Fn(t).利用经验过程的弱收敛定理和尾概率不等式,对一般的边界函数和拟权函数得到了矩完全收敛性精确渐近性的一般形式.
