相依随机变量的理论与应用

相依混合随机变量是现代概率统计中的重要概念, 它具有非常直观的实际应用背景, 如时间序列数据、空间数据、网格数据和高频数据等都具有相依性, 且呈现渐近独立的特征. 因此, 近几十年来一直都吸引了众多学者的关注与研究, 获得了丰硕的研究成果. 本书主要介绍混合随机变量的基本理论, 内容包括混合随机变量的定义与性质、随机过程的混合性质、混合随机变量的不等式、混合随机变量的中心极限定理和相依随机变量的强大数律. 作为应用, 书中介绍了混合高频数据的非参数估计和混合样本下回归模型的小波估计, 其中混合高频数据是一个新的应用专题. 另外, 书中还介绍了相协随机变量和负相协随机变量这两个相依概念的相关内容. 大部分内容来源于学术原文, 并经过提炼和升华, 使其体现更先进的研究成果, 且更加通俗易懂, 适应更多读者.