φ混合过程的强大数定律

研究φ混合随机变量序列{Xn}的强大数定律.在∑∞n=1φ(1)/(2)(n)＜+∞以及P(|Xn|＞x)≤P(|X|≥x),x≥an的条件下,对{xn}在n处截尾得到{X*n}.通过对{X*n}的部分和上、下界的估计,我们证明了(1)/(n)∑nk=1(X*k-EX*k)a.e.0(n→+∞),进而证明(1)/(n)∑nk=1(Xk-EXk)a.e.0(n→∞).     

矩条件下NA随机变量的强极限定理

令{X,Xn,n≥1}为同分布的NA随机变量序列,{an,n≥1}是一正常数序列且an/n↑.讨论了{X,Xn,n≥1}的强大数定律和完全收敛性,得到了与条件∞∑n=1P(|X|an)∞等价的结果.另外,该结果推广了关于两两独立同分布序列的相应结果.     

可交换随机变量序列的随机极限定理的一个推广

讨论了可交换随机变量序列{Xn:n≥1}的极限定理,得到了可交换随机变量序列的随机强大数定律成立的充要条件,并在一定的条件下,推广了文[1]中的结果.     

关于随机序列的若干强大数定律

设{,ξ1ξ,…,nξ,n≥1}是一随机序列,且{nξ,n≥1}<.ξ利用鞅差序列几乎处处收敛定理,给出受控随机序列的若干强大数定律.     

同分布的两两NQD序列部分和之和的强大数定律

主要研究同分布两两NQD随机变量序列{Xn,n∈N}部分和之和Tn=∑i=1 n Si（其中Sn=∑i=1 n Xi）的强大数定律,通过给出几个等价的条件,建立了强大数定律,获得了与I．I．D列情形相类似的结论．     

样本相对熵与相依随机序列的若干小偏差定理

设{Xn,n≥1}是任意连续型随机序列,引入相对熵hμμ(w)作为随机序列{Xn,n≥1}的概率测度μ与参考测度μ之间偏差的一种随机性度量,在适当条件下,给出了任意连续型随机变量部分和小偏差定理.     

混合对数正态分布最大值的极限分布

设{Xn,n≥1}是独立同分布的随机变量序列,并且每个随机变量Xn服从混合对数正态分布.Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,同服从混合对数正态分布的独立随机变量最大值的极限分布以及相应的赋范常数.     

可和方式的强大数定律

设{X,Xn,n≥0}是独立同分布的随机变量序列,给出两种可和方式A（X,t)=∑^∞n=0t^nXn及C（X,n,β）=∑^ni=0(β-1n-i)Xi(β≥1)的Marcinkiewcz-Zygmand强大数定律成立的充分必要条件。     

任意离散值随机变量序列泛函的一类强极限定理

当 {Xn,n≥ 0 }是离散值随机变量序列时 ,建立了关于泛函 { fn(X0 ,X1,… ,Xn) ,n≥ 1}的强极限定理 ,作为推论 ,得出了关于任意随机变量序列及m重非齐次马氏链的随机选择的强极限定理 ,它是关于 (单重 )非齐次马氏链的随机选择的强极限定理的推广 .     

幂赋范下偏正态分布极值的收敛速度

令{Xn,n≥1}是独立同分布随机变量序列并且每个变量均服从偏正态分布.再令Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,得到了幂赋范下最大值分布的渐近分布和赋范常数以及幂赋范下相应的逐点收敛速度.