随机变量序列几乎必然收敛的若干等价命题

由随机变量序列几乎必然收敛可推出其依概率收敛,进而可推出其依分布收敛,可见判别几乎必然收敛的重要性。本文将给出它的几个等价命题,同时还证明了独立随机变量和序列几乎必然收敛等价于依概率收敛,亦等价于依分布收敛。     

随机变量的依概率统计收敛

在一般的概率空间中借鉴依概率统计收敛的定义,讨论了依概率统计收敛的一些重要问题,得到了一些系统的结论.     

随机变量序列四种收敛的若干性质及其四则运算

以数列收敛的一些性质为依托,证明了随机变量序列的依概率收敛、几乎处处收敛、r-阶收敛及依分布收敛这四种收敛的极限存在的充分必要条件、存在准则,并得出:依概率收敛和几乎处处收敛与数列收敛性质一样,可以进行四则运算,而r-阶收敛只能进行加减运算,依分布收敛则不能进行四则运算。     

统计收敛意义下的Slutsky定理

引入统计依概率收敛和统计依分布收敛,比较了统计依分布收敛和一般意义下的依分布收敛之间的关系,并证明了统计收敛意义下,Slutsky定理仍然成立,这为建立统计收敛下的概率极限理论奠定了基础.     

随机变量列的收敛性及其相互关系

给出了随机变量列的依概率收敛、依分布收敛、几乎必然收敛的定义,举例说明了其应用,并研究了三种收敛性之间的相互关系.     

依概率收敛性质的推广

对依概率收敛的问题进行了研究，得出了几个系统结论．     

关于随机变量序列收敛性关系的探讨

在完备的概率空间 (Ω,, P)下,讨论了实值随机变量序列 {ξ n}的完全收敛、几乎处处收敛、 r次平均收敛、依概率收敛、依分布收敛之间的相互关系,得到若干有意义的常用结论。     

ф-Mixing变量和的极大不等式

若M=1,ф(1)<1,则φ-mixing变量的部分和S_n成立不等式■S_n依概率收敛蕴含a.s.收敛;若ф(M)<1,有不等式■ε>0.5_n依概率收敛和■依概率收敛于0,当n→∞.蕴含a.s.收敛.     

随机变量序列几乎处处收敛的几个等价命题

由随机变量序列几乎处处收敛可推出其依概率收敛，进而可推出其依分布收敛，可见判别几乎处处收敛的重要性．给出了它的几个等价命题，同时还证明了独立随机变量和序列几乎处处收敛等价于依概率收敛，亦等价于依分布收敛．     

由依概率收敛推出r阶收敛的条件

设ζｎ依概率收敛于ζ，众所周知，此时ζｎ未必ｒ阶收敛于ζ；如果给ζｎ附加一些另外条件，则ζｎ可ｒ阶收敛于ζ，本文了几个这样的定理，它们推广了有关文献中的类似定理。     

复值随机变量序列几种收敛性的关系

研究了复值随机变量序列的完全收敛,几乎处处收敛,r阶平均收敛,依概率收敛之间的相互关系,得到了几个有意义的结论.     

SLUTSKY定理的推广

Ｓｌｕｔｓｋｙ定理指出：如果随机变量序列｛Ｘ１ｎ｝，｛Ｘ２ｎ｝，…，｛Ｘｍｎ｝分别依概率收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，那么任意一个有理函数Ｒ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）也依概率收敛到常数Ｒ（ａ１，ａ２，…，ａｍ），只要Ｒ（ａ１，ａ２，…，ａｍ）有限。本文从两个方面推广了这一结果：第一，若上述随机变量序列分别依概率收敛到随机变量Ｘ１，Ｘ２，…，Ｘｍ，ｇ（ｘ１，ｘ２，…，ｘｍ）是ｍ维欧氏空     

求一类多重积分极限的概率方法

文献[1]和文献[2]举例说明了运用概率思想求多重积分极限方面的应用,本文综合应用依概率收敛和控制收敛定理等概率知识,推广文献[2]的定理,给出求解一类多重积分极限的一般性定理.并举例说明,运用定理解决此类多重积分极限的优越性.     

SLUTSKY定理的推广

Ｓｌｕｔｓｋｙ定理指出：如果随机变量序列｛Ｘ１ｎ｝，｛Ｘ２ｎ｝，…，｛Ｘｍｎ｝分别依概率收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，那么任意一个有理函数Ｒ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）也依概率收敛到常数Ｒ（ａ１，ａ２，…，ａｍ），只要Ｒ（ａ１，ａ２，…，ａｍ）有限．本文从两个方面推广了这一结果：第一，若上述随机变量序列分别依概率收敛到随机变量Ｘ１，Ｘ２，…，Ｘｍ，ｇ（ｘ１，ｘ２，…，ｘｍ）是ｍ维欧氏空间Ｒｍ上的连续函数，则ｇ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）依概率收敛于ｇ（Ｘ１，Ｘ２，…，Ｘｍｎ）．第二，若上述随机变量序列分别收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，又Ｂｏｒｅｌ可测函数ｇ（ｘ１，ｘ２，…，ｘｍ）在点（ａ１，ａ２，…，ａｍ）处连续，则ｇ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）依概率收敛到ｇ（ａ１，ａ２，…，ａｍ）．     

遗传算法收敛性分析

分析了遗传算法马尔可夫链的性质,并进一步证明了在基于保留最佳个体策略时遗传算法依概率收敛到全局最优解,特别利用鞅收敛定理给出非保留最佳个体策略遗传算法强收敛的充分条件．     

样本的k阶中心绝对矩的依概率收敛性证明

利用辛钦大数定律和随机变量序列依概率收敛的性质,通过不等式的放缩技巧,给出了样本的k阶中心绝对矩依概率收敛于总体的k阶中心绝对矩的证明.     

依概率收敛

给出依概率收敛的一个充要条件,并在此基础上证明了马尔柯夫大数定理及切比雪夫大数定理.     

独立同分布随机变量列加权和的弱大数定律

证明了{Tnbn}(对某些{bn})依概率收敛于1,并指明这些{bn};推广了文[2]中的结果.     

关于非交换独立性和依概率收敛

研究了依概率收敛和非交换独立性（单调独立性和布尔独立性）之间的关系.     

埃尔米特多项式与随机变量

讨论当埃尔米特多项式中的自变量是随机变量时所具有的性质,以及一列同分布的随机变量乘积和依概率收敛于埃尔米特多项式.