定义1.1 设$\{ {X_n};n \ge 1\} $是概率空间$\left( {\Omega, F, P} \right)$的一列随机变量, 集合$\Gamma _n^ - = \sigma ({X_i};$ $1 \le i \le n ), $ $\Gamma _n^ + = \sigma \left( {{X_i};i \ge n} \right).$定义
如果$n \to \infty $时, $\rho \left( n \right) \to 0$, 则称序列$\{ {X_n};n \ge 1\} $是$\rho $ -混合的.
$\rho $ -混合序列首先被Kolmogorov和Rozanov提出, 随后, 很多学者对其极限性质做了很多研究, 已取得许多成果.文献[1]得到了$\rho $ -混合序列部分和最大值不等式; 文献[2]得到了Baum-Katz大数定律的精确渐近性; 文献[3]得到了$\rho$ -混合序列完全矩收敛的精确率等.最近, 文献[4]得到了关于独立同分布随机变量序列完全收敛精确渐近性的一般结果, 即
定理1.1 设$\{ X, {X_n}, n \ge 1\} $为独立同分布的随机变量序列, $EX = 0, $ $E{X^2} = {\sigma ^2}, $ $E{X^2}{\log ^ + }\left| X \right| < \infty .$进一步假设$g(x)$为$[{n_0}, \infty )$上具有非负导数$g'\left( x \right)$的正函数, 且满足$g\left( x \right) \uparrow \infty, $ $x \to \infty .$ $g'\left( x \right)$在$[{n_0}, \infty )$单调, 当$g'\left( x \right)$单调非降时, 满足$\mathop {\lim }\limits_{n \to \infty } \frac{{g'\left( {n + 1} \right)}}{{g'\left( n \right)}} = 1.$ $\phi \left( x \right) = \frac{{g'\left( x \right)}}{{g\left( x \right)}}$在$[{n_0}, \infty )$单调, 当$\phi \left( x \right)$单调非降时, 满足$\mathop {\lim }\limits_{n \to \infty } \frac{{\phi \left( {n + 1} \right)}}{{\phi \left( n \right)}} = 1.$且满足$\mathop {\lim \sup }\limits_{n \to \infty } n\phi \left( n \right) < \infty .$则有
对独立同分布的随机变量序列很容易得到定理1.1的结论成立, 我们自然希望类似的结论对$\rho $-混合序列也成立, 这正是本文要解决的问题.本文的目的就是证明在一定条件下得到类似定理1.1的结果.
在整篇文章中, 设$\{ X, {X_n};n \ge 1\} $是均值为零的严平稳$\rho $-混合随机变量序列,
$C$在不同的位置表示不同的常数.本文的主要结果如下.
定理1.2 设$g(x)$为$[{n_0}, \infty )$上具有非负导数$g'\left( x \right)$的正函数, 且满足$g\left( x \right) \uparrow \infty, $ $x \to \infty .$ $g'\left( x \right)$在$[{n_0}, \infty )$单调, 当$g'\left( x \right)$单调非降时, 满足$\mathop {\lim }\limits_{n \to \infty } \frac{{g'\left( {n + 1} \right)}}{{g'\left( n \right)}} = 1.$ $\psi \left( x \right) = \frac{{g'\left( x \right)}}{{g\left( x \right)}}$在$[{n_0}, \infty )$单调, 当$\psi \left( x \right)$单调非降时, 满足$\mathop {\lim }\limits_{n \to \infty } \frac{{\psi \left( {n + 1} \right)}}{{\psi \left( n \right)}} = 1.$且满足
如果$E{X^{{\rm{2}} + \alpha }}{\log ^ + }\left| X \right| < \infty, $ $\alpha > 0, $ $\mathop {\lim }\limits_{n \to \infty } \frac{{ES_n^2}}{n} = {\sigma ^2} > 0, $且存在常量$q > 2, $使得$\sum\limits_{n = 1}^\infty {{\rho ^{\frac{2}{q}}}({2^n})} < \infty .$则有
注1.1 满足定理1.2中假设条件的$g\left( x \right)$有很多, 比如$g\left( x \right) = {x^\alpha }, $ ${\left( {\log x} \right)^\beta }, $ ${\left( {\log \log x} \right)^\gamma }$, 其中$\alpha > 0, $ $\beta > 0, $ $\gamma > 0$为某些适当的参数.
注1.2 在定理1.2中取$g\left( x \right) = x$可以得到文献[5]的定理1.
为了证明定理1.2, 首先我们介绍下面三个引理.
引理2.1[6] 设$\left\{ {{X_n};n \ge 1} \right\}$为严平稳的$\rho $ -混合序列, $E{X_1} = 0$, $EX_1^2 < \infty, $ $\sum\limits_{n = 1}^\infty {\rho ({2^n})} < \infty, $如果$\sigma _n^2\hat = ES_n^2 \to \infty $, $n \to \infty $, 则有$S_n / \sigma _n \to N(0, 1)$, $n \to \infty .$
引理2.2[7] 设$\left\{ {{X_n};n \ge 1} \right\}$为严平稳的$\rho $ -混合序列, $EX = 0, $ $E{\left| X \right|^{\rm{p}}} < \infty \left( {p \ge 2} \right)$, 且$\mathop {\lim }\limits_{n \to \infty } \frac{{ES_n^2}}{n} = {\sigma ^2} > 0, $ $\sum\limits_{n = 1}^\infty {{\rho ^{\frac{2}{q}}}({2^n})} < \infty, $存在$q \ge p.$函数$g\left( x \right)$是具有非负导数$g'\left( x \right)$的正函数, 且满足$g\left( x \right) \uparrow \infty, $ $x \to \infty .$ $g'\left( x \right)$在$[{n_0}, \infty )$单调, 当$g'\left( x \right)$单调非降时, 满足$\mathop {\lim }\limits_{n \to \infty } \frac{{g'\left( {n + 1} \right)}}{{g'\left( n \right)}} = 1.$存在常数$\delta > 0, $使得$\mathop {\lim \sup }\limits_{n \to \infty } \frac{{g\left( n \right)}}{{{n^\delta }}} < \infty, $则对任意的$v > \max \left( {\frac{1}{q}, \frac{1}{p} + \frac{{2- p}}{{2p\delta }}} \right), $都有
引理2.3[8] 设$\left\{ {{X_n};n \ge 1} \right\}$为严平稳的$\rho $ -混合序列, $E{X_n} = 0, $ ${S_n} = \sum\limits_{i = 1}^n {{X_i}}, $则对任意的$q \ge 2, $存在常数$ K = K(q, \rho ( \cdot )), $使得对任意的$x > 0$和$y > 0$满足
有
不失一般性, 不妨假设${\sigma ^2} = 1$, 记$A\left( \varepsilon \right) = \left\lfloor {{g^{ - 1}}\left( {{\varepsilon ^{ - 2}}} \right)} \right\rfloor, $其中${g^{ - 1}}\left( x \right)$是$g\left( x \right)$的反函数.当$E{\left| X \right|^p} < \infty, $ $0 < p < \infty, $对任意的常量$b > 0, $则有
因此, 式(1.2) 中求和部分可以转化为
在引理2.2中取$v = \frac{1}{2}$, 则有
为了证明式(1.2), 我们只需要证明
为了证明式(3.3), 我们需要下列命题.
命题3.1 设$N$为标准正态随机变量.有
证 参见文献[4]的性质4.1.
命题3.2 在定理1.2的条件下, 有
证 记${\Lambda _n} = \mathop {\sup }\limits_x \left| {P\left( {{S_n} \ge \sqrt n x} \right) - P\left( {\left| N \right| \ge x} \right)} \right|.$对任意的$x \ge 0, $ $P\left( {\left| N \right| \ge x} \right)$是一连续函数.由引理2.1, 则有$\mathop {\lim }\limits_{n \to \infty } {\Lambda _n} = 0.$
现在, 我们估计${B_1}$和${B_2}$, 由Markov不等式及Toeplitz's引理, 则有
在引理2.3中取$x = \sqrt n \left( {x + \varepsilon \sqrt {g\left( n \right)} } \right), $ $y = 2\sqrt n \left( {x + \varepsilon \sqrt {g\left( n \right)} } \right)$, 当$x \to \infty, $则有
由引理2.3, 我们将${B_3}$分成三部分, 则有
我们来分别处理${B_{31}}$和${B_{32}}$, 由Markov不等式、Toeplitz's引理及Fubini定理, $0 \le {\Lambda _n} \le 1, $则有
为估计${B_{3{\rm{3}}}}$, 我们将${B_{3{\rm{3}}}}$分成两部分
再分别处理${B_{{\rm{3}}31}}$和${B_{{\rm{3}}32}}$
由式(3.10) 和(3.11), 则有$\mathop {\lim }\limits_{\varepsilon \downarrow 0} - \frac{1}{{\log \varepsilon }}{B_{33}} = 0.$因此, 由式(3.6)--(3.11), 知式(3.5) 成立.
命题3.3 在定理1.2的条件下, 有
证 式(3.12) 的证明很容易得到, 此处略.在引理2.3中取$x = \sqrt n x, $ $y = 2\sqrt n x$, 当$x \to \infty, $则有
由引理2.3, 我们将式(3.13) 分成三部分, 则有
我们来分别处理${D_1}$和${D_2}$, 存在充分大的数$M > 0, $则
为估计${D_3}, $我们将${D_3}$分成两部分
再分别估计${D_{31}}$和${D_{32}}$
由式(3.14)、(3.15)、(3.16) 和(3.17), 则有
因此, 式(3.13) 成立.
由命题3.1及三角不等式可知式(3.3) 成立, 即定理1.2成立.