基于END误差下EV回归模型中LS估计量的强相合性  

Strong Consistency of LS Estimators in EV Regression Model with END Errors

作　　者：丁洋 葛梅梅 邓新 Ding Yang;Ge Meimei;Deng Xin

机构地区：[1]滁州学院数学与金融学院,安徽滁州239000

出　　处：《滁州学院学报》2021年第5期18-23,共6页Journal of Chuzhou University

基　　金：安徽省自然科学基金“相依序列的极限性质及其在统计模型中的应用”(1908085QA01);安徽省自然科学研究一般项目“相依序列的若干极限定理问题及其应用研究”(KJ2018B16);滁州学院科研基金资助项目“若干相依序列的极限理论研究及其在统计模型中的应用”(2018qd01)。

摘　　要：推广的负象限相依(END)变量是一类包含独立变量、负相协(NA)变量、负象限相依(NOD)变量等在内的非常广泛的相依变量,在保险与金融数学、复杂性系统、可靠性理论、生存分析等领域都有着广泛的应用。为了建立EV回归模型中未知参数LS估计量的强相合性,在假设误差是END随机变量序列的前提下,利用END变量的Bernstein型不等式以及随机变量的截尾技术,得出结论。所得结果不仅推广了NA随机变量的相应研究,也完善了概率极限理论。The extended negative quadrant dependent(END)variable is a very wide range of dependent variables including independent variables,negatively associated(NA)variables,negative quadrant dependent(NOD)variables,etc.It has a wide range of applications in insurance and financial mathematics,complexity systems,reliability theory,survival analysis and other fields.In order to establish the strong consistency of the unknown parameter LS estimator in the EV regression model,under the assumption that the error is a sequence of END random variables,the Bernstein-type inequality of the END variable and the tailing technique of random variables are used to draw conclusions.The results obtained not only extend the corresponding research on NA random variables,but also improve the probability limit theory.

关 键 词：END随机变量 EV回归模型 A.S.收敛 

分 类 号：O211.4[理学—概率论与数理统计]