PA序列部分和之和的弱大数定律

研究PA随机变量序列部分和之和Tn=(n∑i=1Si)其中(Sn=(n∑i=1)Xi)的弱大数定律,将PA随机变量序列“部分和”的弱大数定律推广到了“部分和之和”的情形(包括同分布和不同分布的情形).     

随机变量序列{Xn}服从大数定律的充要条件

首先给出大数定律的基本形式,在几个引理的基础上,提出并证明了{Xn}服从大数定律的充要条件是E1 Y 2nY2n→0(n→∞),其中Yn=n-1k∑=n1(Xk-μk),μk=EXk(k=1,2,…).     

两两NQD列部分和之和的弱大数定律

部分和之和在实际问题如随机游动、时间序列分析、破产理论中有着广泛的应用.研究同分布和不同分布情况下,两两NQD随机变量序列部分和之和Tn=n∑i=1Si的弱大数定律,其中Sn=Sn=n∑i=1Xi,将两两NQD随机变量序列部分和的弱大数定律推广到了部分和之和的情形.     

NA随机变量序列的强大数定律

研究了NA随机变量序列的强大数定律,利用推广的Borel-Cantelli引理,讨论一般矩条件与强大数定律之间的关系,作为推论,得到了p阶矩与强大数定律等价,最后给出了NA随机变量序列的Feller强大数定律.     

一般随机变量序列强大数定律

将独立同分布情形下的强大数定律进行了推广,指出一般随机变量序列若满足∑∞n=1B2n/n<∞,则服从强大数定律。所给出随机变量序列强大数定律存在条件较易满足,使得定理适用范围更广。并在两两不相关且一致有界的条件下,指出对任意的α>3/4,均有(Sn-ESn)/nα几乎处处收敛于0。     

任意随机变量序列的大数定律

设｛Xn,n≥0｝是任意实值随机变量序列,并且尾概率是一致有界于随机变量X0,通过构造适当的鞅,利用鞅收敛定理讨论随机变量序列｛X,n≥0｝的强极限定理和强弱大数定律,得到了大数定律成立的充分条件,推广了费勒在1946年给出的平均值无限时的大数定律。     

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。     

NA列部分和乘积的极限定理

讨论NA列部分和乘积的中心极限定理和几乎处处中心极限定理,并将独立同分布(i.i.d.)随机变量序列的部分和乘积的几乎处处中心极限定理的权重由dn=exp(logαn)/n推广到dn=log(cn+1)/cnexp(logαn),0≤α1 2的情形,其中0cn→∞,limn→∞(cn+1)/cn=c∞.1     

一致有界随机变量序列的弱大数定律

利用一致有界条件,建立弱大数定律,改进了目前的某些结果,并找到弱大数定律与强大数定律的内在差别.     

可交换随机变量序列加权和的另一个大数定律

将独立同分布情形下的Marcinkiewicz型强大数定律推广到了可交换随机变量,得到了可交换随机变量加权和的一个强大数定律.     

B-值双随机Dirichlet级数的收敛性

研究了B-值双随机Dirichlet级数在ⅰ){Xn}服从强大数定律,且0< limn→∞‖(∑n)(I=1EXi)/(n)‖≤ limn→∞‖(∑n)/(I=1EXi)/(n)‖<+∞,ⅱ) supn≥1E‖Xn‖α<∞, supn≥1E‖Xn‖-β <-∞(α>0,β>0)等条件下的收敛性,得出了收敛横坐标的简洁公式.     

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→∞).     

非独立不同分布的随机变量序列的强大数定律

将柯尔莫哥洛夫强大数定律推广到不独立不同分布的情形     

负相协随机变量列的强大数律

负相协(NA)随机变量是一包含独立随机变量的有广泛应用的随机变量类, 对于独立随机变量情形, Teicher给出了一类强大数律. 本文应用NA随机变量的概率不等式, 在更弱的条件下, 对具有不同分布的NA随机变量列建立了有关强大数律的定理, 进而将Teicher的结果推广到NA随机变量.     

ρ混合序列的概率不等式及其应用

在Σn=1∞ρn<∞的条件下建立了ρ混合序列的概率不等式,进而得到ρ混合序列的三级数定理及强大数定律。     

可信性空间上关于模糊变量的强大数定律

目前,关于强大数定律的研究仍集中在概率测度(可加性测度)空间上。但是,概率测度的可加性条件太强,限制了强大数定律的研究范围。为了扩大其研究范围和应用领域,强大数定律将被推广到一种非可加测度空间——可信性空间上进行研究。可信性测度是一种比概率测度更广泛的、自对偶的测度,它的性质将得到更进一步的讨论。利用概率论中类似的方法,在可信性空间上给出依可信度1收敛的概念、重新提出基于模糊变量的强大数定律的定义;进而提出并证明强大数定律的相关引理;最后给出强大数定律的证明,从而获得了可信性空间上关于模糊变量的强大数定律。这一工作扩大了强大数定律的研究范围,达到了推广强大数定律应用领域的目的。     

两参数两两独立的随机变量序列的强大数定律

设{Xij}为两参数两两独立的随机变量序列,若对任意的t>0, ∑∑(Xij-EXij)P{|Xmn|≥t}≤P{|X|≥t}且E|X|P(log+|X|)3<∞,(1<p<2),则i=l--j=l--→0 (mn)Ypa.s.当mvn→∞而在E|X|plog+|X|<∞的条件下,它依L1收敛于0.并且这些结论可以推广到r维参数的情形,而只需将对应的条件分别改为E|X|p(1og+|X|)r+1<∞和E|X|p(log+|X|)r-1<∞.     

LPQD序列的最大值不等式和强大数定律

本文证明了LPQD随机变量序列的最大值不等式,并由此得到一个LPQD序列的强大数定律．所得结果分别推广了Newman—Wright和Birkel关于PA序列的相关结论．     

φ混合序列的一个强大数律

利用随机变量的截尾方法和φ混合序列的三级数定理,得到了矩条件下珘φ混合序列的一类强大数定律,推广了若干已有的强大数律。     

可列非齐次马氏链函数的强大数定律

研究了可列非齐次马氏链函数的强大数定律.利用可列非齐次马氏链函数的一致Cesaro收敛,建立可列非齐次马氏链函数的二元函数的另一强大数定律.