Es wird eine Folge unabhängiger zentrierter Zufallsgrößen betrachtet, die absolute Momente der Ordnung m, 2<m<3, besitzen mögen. Dann gelten für die normierte Verteilungsfunktion der Zufallssumme X_1+X_2+...+X_n der zentrale Grenzwertsatz und insbesondere eine ungleichmäßige Fehlerabschätzung von A.BIKELIS (1966). In der vorliegenden Note werden die analytische Struktur der in dieser Fehlerabschätzung auftretenden Konstanten L=L(m) genauer untersucht sowie dazu erzielte numerische Resultate vorgelegt. Abschließend werden einige Literaturhinweise angegeben. Der Fall m=3 wurde bereits in der Dissertation (TU Dresden 1977) des Autors untersucht. / We consider a sequence of centered and independent random variables with moments of order m, 2<m<3. Now the central limit theorem for the distribution function of the normed sum X_1+X_2+...+X_n and especially a nonuniform error estimate by A.BIKELIS (1966) hold. In this paper the analytical structure of the appearing constant L=L(m) of the error bound and numerical results are presented. Finally some references are given. The case m=3 was already studied in the thesis (Dissertation TU Dresden, 1977) by the author.

Der Beitrag unterteilt sich in zwei Teile: Teil 1 (vgl. Informationen/07; 1976,05) und Teil 2 (cp. Informationen/07; 1976,06). Teil 1 enthält eine Einleitung und Grenzwertsätze für unabhängige und identisch verteilte Zufallsgrößen und die Übertragung der betrachteten Grenzwertsätze auf den Fall der Existenz einseitiger Momente. Teil 2 enthält Grenzwertsätze für mittlere Abweichungen für Summen unabhängiger nichtidentisch verteilter Zufallsgrößen (Serienschema) und eine Diskussion der erhaltenen Ergebnisse und schließlich einige Literaturangaben. Sei F_n(x) die Verteilungsfunktion der Summe X_1+X_2+...+X_n, wobei X_1, X_2, ...,X_n unabhängige und identisch verteilte Zufallsgrößen mit Erwartungswert 0 und Streuung 1 und endlichen absoluten Momenten c_m, m>2, sind, und sei Phi die standardisierte Normalverteilungsfunktion. Es werden absolute Konstanten L_i derart berechnet, dass wir Fehlerabschätzungen im unleichmäßigen zentralen Grenzwertsätzen in verschiedenen Fällen angeben können, wobei sich der Index i in L_i auf folgende fünf Fälle bezieht: kleine x, mittlere Abweichungen für x, große Abweichungen für x, kleine n und große n. Im Fall der Existenz einseitiger Momente werden obere Schanken für 1-F_n(x) angegeben für x>D_m*n^(1/2)*ln(n) bzw. x>D_m*n^(1/2)*(ln(n))^(1/2), womit Ergebnisse von S.V.NAGAEV(1965) präzisiert werden. Der Beitrag unterteilt sich in zwei Teile: Teil 1 (vgl. Informationen/07; 1976,05) und Teil 2 (cp. Informationen/07; 1976,06). Teil 1 enthält eine Einleitung und Grenzwertsätze für unabhängige und identisch verteilte Zufallsgrößen und die Übertragung der betrachteten Grenzwertsätze auf den Fall der Existenz einseitiger Momente. Teil 2 enthält Grenzwertsätze für mittlere Abweichungen für Summen unabhängiger nichtidentisch verteilter Zufallsgrößen (Serienschema) und eine Diskussion der erhaltenen Ergebnisse und schließlich einige Literaturangaben. Sei F_n(x) die Verteilungsfunktion der Summe X_1+X_2+...+X_n, wobei X_1, X_2, ...,X_n unabhängige und identisch verteilte Zufallsgrößen mit Erwartungswert 0 und Streuung 1 und endlichen absoluten Momenten c_m, m>2, sind, und sei Phi die standardisierte Normalverteilungsfunktion. Es werden absolute Konstanten L_i derart berechnet, dass wir Fehlerabschätzungen im unleichmäßigen zentralen Grenzwertsätzen in verschiedenen Fällen angeben können, wobei sich der Index i in L_i auf folgende fünf Fälle bezieht: kleine x, mittlere Abweichungen für x, große Abweichungen für x, kleine n und große n. Im Fall der Existenz einseitiger Momente werden obere Schanken für 1-F_n(x) angegeben für x>D_m*n^(1/2)*ln(n) bzw. x>D_m*n^(1/2)*(ln(n))^(1/2), womit Ergebnisse von S.V.NAGAEV(1965) präzisiert werden.:6. Grenzwertsätze für mittlere Abweichungen für verschieden verteilte Zufallsgrößen S. 1 7. Beweise zum Abschnitt 6 S. 2 8. Diskussion der Ergebnisse S. 6 Literatur S. 10 / The paper is divided in two parts: part 1 (cp. Informationen/07; 1976,05) and part 2 (cp. Informationen/07; 1976,06). Part 1 contains an introduction and limit theorems for iid random variables and the transfer of the considered limit theorems to the case of the existence of onesided moments. Part 2 contains limit theorems of moderate deviations for sums of series of non iid random variables and a discussion of all obtained results in part 1 and 2 and finally some references. Let F_n(x) be the cdf of X_1+X_2+...+X_n, where X_1, X_2, ...,X_n are iid random variables with mean 0 and variance 1 and with m-th absolute moment c_m, m>2, and Phi the cdf of the unit normal law. Explicit universal constants L_i are computed such that we have an error estimate in the nonuniform central limit theorem with the L_i, where i corresponds to the five cases considered: small x, moderate deviations for x, large deviations for x, small n , large n. Additional upper bounds for 1-F_n(x) are obtained if the one-sided moments of order m, m>2, are finite and if x>D_m*n^(1/2)*ln(n) and x>D_m*n^(1/2)*(ln(n))^(1/2) respectively improving results by S.V.NAGAEV (1965).:6. Grenzwertsätze für mittlere Abweichungen für verschieden verteilte Zufallsgrößen S. 1 7. Beweise zum Abschnitt 6 S. 2 8. Diskussion der Ergebnisse S. 6 Literatur S. 10

Der Beitrag unterteilt sich in zwei Teile: Teil 1 (vgl. Informationen/07; 1976,05) und Teil 2 (cp. Informationen/07; 1976,06). Teil 1 enthält eine Einleitung und Grenzwertsätze für unabhängige und identisch verteilte Zufallsgrößen und die Übertragung der betrachteten Grenzwertsätze auf den Fall der Existenz einseitiger Momente. Teil 2 enthält Grenzwertsätze für mittlere Abweichungen für Summen unabhängiger nichtidentisch verteilter Zufallsgrößen (Serienschema) und eine Diskussion der erhaltenen Ergebnisse und schließlich einige Literaturangaben. Sei F_n(x) die Verteilungsfunktion der Summe X_1+X_2+...+X_n, wobei X_1, X_2, ...,X_n unabhängige und identisch verteilte Zufallsgrößen mit Erwartungswert 0 und Streuung 1 und endlichen absoluten Momenten c_m, m>2, sind, und sei Phi die standardisierte Normalverteilungsfunktion. Es werden absolute Konstanten L_i derart berechnet, dass wir Fehlerabschätzungen im unleichmäßigen zentralen Grenzwertsätzen in verschiedenen Fällen angeben können, wobei sich der Index i in L_i auf folgende fünf Fälle bezieht: kleine x, mittlere Abweichungen für x, große Abweichungen für x, kleine n und große n. Im Fall der Existenz einseitiger Momente werden obere Schanken für 1-F_n(x) angegeben für x>D_m*n^(1/2)*ln(n) bzw. x>D_m*n^(1/2)*(ln(n))^(1/2), womit Ergebnisse von S.V.NAGAEV(1965) präzisiert werden.:1. Einführung S. 2 2. Grenzwertsätze für identisch verteilte Zufallsgrößen S. 3 3. Übertragung der formulierten Grenzwertsätze auf den Fall der Existenz einseitiger Momente S. 6 4. Beweis zum Abschnitt 2 S. 8 5. Beweise zum Abschnitt 3 S. 13 / The paper is divided in two parts: part 1 (cp. Informationen/07; 1976,05) and part 2 (cp. Informationen/07; 1976,06). Part 1 contains an introduction and limit theorems for iid random variables and the transfer of the considered limit theorems to the case of the existence of onesided moments. Part 2 contains limit theorems of moderate deviations for sums of series of non iid random variables and a discussion of all obtained results in part 1 and 2 and finally some references. Let F_n(x) be the cdf of X_1+X_2+...+X_n, where X_1, X_2, ...,X_n are iid random variables with mean 0 and variance 1 and with m-th absolute moment c_m, m>2, and Phi the cdf of the unit normal law. Explicit universal constants L_i are computed such that we have an error estimate in the nonuniform central limit theorem with the L_i, where i corresponds to the five cases considered: small x, moderate deviations for x, large deviations for x, small n , large n. Additional upper bounds for 1-F_n(x) are obtained if the one-sided moments of order m, m>2, are finite and if x>D_m*n^(1/2)*ln(n) and x>D_m*n^(1/2)*(ln(n))^(1/2) respectively improving results by S.V.NAGAEV (1965).:1. Einführung S. 2 2. Grenzwertsätze für identisch verteilte Zufallsgrößen S. 3 3. Übertragung der formulierten Grenzwertsätze auf den Fall der Existenz einseitiger Momente S. 6 4. Beweis zum Abschnitt 2 S. 8 5. Beweise zum Abschnitt 3 S. 13

In der Arbeit wird das asymptotische Verhalten von geeignet normierten und zentrierten Summen von Zufallsgrößen untersucht, die entweder unabhängig sind oder im Falle der Abhängigkeit als Martingaldifferenzfolge oder stark multiplikatives System auftreten. Neben der klassischen Summationstheorie werden die Limitierungsverfahren mit einer unendlichen Summationsmatrix oder einer angepaßten Folge von Gewichtsfunktionen betrachtet. Es werden die Methode der charakteristischen Funktionen und besonders die direkte Methode der konjugierten Verteilungsfunktionen weiterentwickelt, um quantitative Aussagen über gleichmäßige und ungleichmäßige Restgliedabschätzungen in zentralen Grenzwertsatz zu beweisen. Die Untersuchungen werden dabei in der Lp-Metrik, 1<p<oo oder p=1 bzw. p=oo, durchgeführt, wobei der Fall p=oo der üblichen sup-Norm entspricht. Darüber hinaus wird im Fall unabhängiger Zufallsgrößen der lokale Grenzwertsatz für Dichten betrachtet. Mittels der elektronischen Datenverarbeitung neue numerische Resultate zu erhalten. Die Arbeit wird abgerundet durch verschiedene Hinweise auf praktische Anwendungen. / In the work the asymptotic behavior of suitably centered and normalized sums of random variables is investigated, which are either independent or occur in the case of dependence as a sequence of martingale differences or a strongly multiplicative system. In addition to the classical theory of summation limiting processes are considered with an infinite summation matrix or an adapted sequence of weighting functions. It will be further developed the method of characteristic functions, and especially the direct method of the conjugate distribution functions to prove quantitative statements about uniform and non-uniform error estimates of the remainder term in central limit theorem. The investigations are realized in the Lp metric, 1 <p <oo or p = 1 or p = oo, where in the case p = oo it is the usual sup-norm. In addition, in the case of independent random variables the local limit theorem for densities is considered. By means of electronic data processing new numerical results are obtained. The work is finished by various references to practical applications.

In der Arbeit wird das asymptotische Verhalten von geeignet normierten und zentrierten Summen von Zufallsgrößen untersucht, die entweder unabhängig sind oder im Falle der Abhängigkeit als Martingaldifferenzfolge oder stark multiplikatives System auftreten. Neben der klassischen Summationstheorie werden die Limitierungsverfahren mit einer unendlichen Summationsmatrix oder einer angepaßten Folge von Gewichtsfunktionen betrachtet. Es werden die Methode der charakteristischen Funktionen und besonders die direkte Methode der konjugierten Verteilungsfunktionen weiterentwickelt, um quantitative Aussagen über gleichmäßige und ungleichmäßige Restgliedabschätzungen in zentralen Grenzwertsatz zu beweisen. Die Untersuchungen werden dabei in der Lp-Metrik, 1<p<oo oder p=1 bzw. p=oo, durchgeführt, wobei der Fall p=oo der üblichen sup-Norm entspricht. Darüber hinaus wird im Fall unabhängiger Zufallsgrößen der lokale Grenzwertsatz für Dichten betrachtet. Mittels der elektronischen Datenverarbeitung neue numerische Resultate zu erhalten. Die Arbeit wird abgerundet durch verschiedene Hinweise auf praktische Anwendungen. / In the work the asymptotic behavior of suitably centered and normalized sums of random variables is investigated, which are either independent or occur in the case of dependence as a sequence of martingale differences or a strongly multiplicative system. In addition to the classical theory of summation limiting processes are considered with an infinite summation matrix or an adapted sequence of weighting functions. It will be further developed the method of characteristic functions, and especially the direct method of the conjugate distribution functions to prove quantitative statements about uniform and non-uniform error estimates of the remainder term in central limit theorem. The investigations are realized in the Lp metric, 1 <p <oo or p = 1 or p = oo, where in the case p = oo it is the usual sup-norm. In addition, in the case of independent random variables the local limit theorem for densities is considered. By means of electronic data processing new numerical results are obtained. The work is finished by various references to practical applications.

No description available.