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.     

B值随机元的随机指标中心极限定理

本文讨论B值随机元的随机指标中心极限定理,证明了如下的结果:设B是2型空间(Spaceof Rademacher-type 2),{X_n,n≥1}是i.i.d.的B值随机元序列,S_n=sum from i=1 to n X_i,EX_1=0,E||X_1||~2<∞;{τ_n,n≥l}是取自然数值的实随机变量序列,τ是取正值的实随机变量,并且,则必存在B上的Gaussian测度γ,使得(S_(τ_n)/(τ_n)~(1/2))γ.     

具有随机足标的强相依正态序列部分和与最大值的联合极限分布

设X1,X2,…是标准化的平稳正态序列.Mn=max1≤i≤nXi,ρn=EX1Xn+1,Sn=∑ni=1Xi,{N(n)}是一列取非负整值的随机变量,且N(n)nPη>0,η为随机变量.在ρn和(ρn·logn)-1都单调趋于0的条件下,得到了MN(n)和SN(n)的联合极限分布.     

不同分布的随机中心极限定理

引言设{ξ_k}是独立同分布的随机变量序列,其均值Eξ_k=0,方差D(ξ_k)=1,(k=1、2…)。记η_n=sum from K=1 to=n(ξ_k) ξ_n=η_n/n~(1/2) 那么独立同分布的中心极限定理成立,即 n→∞P(ξ_n相似文献   

AANA随机变量的完全收敛性

设X{n,n≥1}为被随机变量X随机控制的AANA(asymptotically almost negatively associated)随机变量序列,a{n,n≥1}是正常数列.在适当的矩条件下,研究了AANA随机变量加权和max1≤k≤n a-1n∑k i=1Xi的完全收敛性.作为该结果的应用,得到了一些关于AANA随机变量序列完全收敛性的新结果.     

随机元序列几乎处处中心极限定理的推广

讨论随机元序列和随机变量序列函数的几乎处处中心极限定理, 推广了经典几乎处处中心极限定理中的权重, 并改进了经典几乎处处中心极限定理的证明.     

φ混合序列自正则加权和的中心极限定理

设{Xn, n≥1}为一严平稳φ混合随机变量序列, EX=0, V 2n=∑ni=1X2i, {an,i, 1≤i≤n, n≥1}为一实数阵列, Sn=∑ni=1an,iXi. 利用随机变量阵列的弱收敛定理, 在较一般的条件下, 证明了自正则加权和{Sn/Vn, n≥1}的中心极限定理, 改进并推广了已有混合序列自正则化中心极限定理的相关结果.     

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 .     

关于一类随机适应序列的强收敛定理

引入了随机变量的截尾和停时的概念,在定理条件及其证明过程中适当地定义随机变量的截尾和停时,并通过定义鞅差序列和利用鞅差序列的收敛定理,得到了一类关于任意随机适应序列的强收敛定理.通过利用截尾方法和条件三级数定理,得到了在更高阶条件下的任意随机适应序列的强收敛定理.作为推论,得到了相应的关于独立随机变量序列的强收敛定理以及一些关于任意随机序列的已有的结果,进一步发展和完善了关于任意随机适应序列的强收敛性的研究.     

具有随机足标的平稳正态序列的部分和与最大值的联合极限分布

设X1，X2，…为标准化平稳正态序列，相关系数ρli-j1=EXiXj(i≠j），N（n）为取正整数的随机变量且N（n）/n P→η，η为大于0的随机变量．得到了：当ρnlog n→γ∈(0，∞)时，最大值MN（n）和部分和SN(n)的联合极限分布．     

m-相依随机变量序列的中心极限定理及逼近速度

令m-相依的随机变量{X_k,k≥1}是一同分布且平稳的序列且存在随机数列{N_n,n≥1}与序列{X_k,k≥1}独立,关于该序列的部分和为■.则在N_n的某些假设条件下可得到随机变量X_k的部分和序列{S_(N_n),n≥1}的极限分布,以及其与标准正态分布逼近速度的估计.     

关于随机变量序列的无规则性定理

引入了似然比作为任意随机序列与独立序列差异的一种度量。将无规则性定理推广到任意相依整值随机变量序列情形，用文献[2]的方法，给出一种新的区间剖分法来构造适当的较，然后利用Doob关于鞅几乎处处收敛定理，得到了任意整值随机序列无规则性(随机选择)若干强极限定理。     

双随机狄里克莱级数在收敛半平面上的增长性

运用经典强大数定律 ,研究了随机变量序列 {Xn}在独立 (可不同分布 )情形下的性质 ,并得出在一定条件下 ,当双随机狄里克莱级数 ∑∞n =1anXn(ω)e-λn(ω)s 与∑∞n =1ane-Eλns 满足(ⅰ )limn→∞λnEλn=1且limn→∞nEλn=D <∞ ;(ⅱ )limn→∞ln｜an ｜Eλn=0时 ,有相同的收敛横坐标与增长级等一些新的结果     

随机函数F的eλ|F|2的可积性

卡昂纳JP研究了eλ|F|2的可积性,其中F是随机三角函数,F(t)=∑∞n=1εnancos(nt φn),{εn}是Rademacher序列.运用次正态性、Fubini定理、Schwarz不等式来研究在适当条件下eλ|F|2的可积性,其中F是一般的随机函数,F(t)=∑∞n=1ξnanfn(t),{ξn}是次正态序列.     

φ混合序列自正则加权和的中心极限定理

设｛X_n, n≥1｝为一严平稳φ混合随机变量序列, EX=0,V²_n为一实数阵列, 利用随机变量阵列的弱收敛定理, 在较一般的条件下, 证明了自正则加权和｛S_n/V_n, n≥1｝的中心极限定理, 改进并推广了已有混合序列自正则化中心极限定理的相关结果.     

α-弱相依序列加权和的几乎处处中心极限定理

设{Xn,n≥1}为一零均值有界的α-弱相依序列,满足∑∞i=1θi<∞;{ani,1≤i≤n,n≥1}为一实值三角阵列;令Sn,k=∑ki=1aniXi,1≤k≤n.利用随机变量加权和的弱收敛定理与Borel-Cantelli引理,在适当的假设条件下,给出了非平稳有界的α-弱相依序列加权和Sn,n的几乎处处中心极限定...     

随机弱大数定律和弱大数定律的充要条件

讨论了任意随机变量序列的弱大数定律,得到了随机变量序列分别服从随机弱大数定律和弱大数定律的充要条件,以及独立随机变量序列服从弱大数定律的相关结果.     

NA序列部分和之和乘积的极限定理

设{X_n, n≥1}是一严平稳正值负相关(NA)随机变量序列, 满足EX₁=μ>0,  Var X₁=σ²<∞. 首先利用NA序列加权和的中心强极限定理和矩不等式证明, 其中N为标准正态随机变量; 其次, 对于边界函数和拟权函数给出NA序列部分和之和乘积的完全收敛性中精确渐近性的一般结果.     

随机变量序列的几个极限定理

利用停时技术的方法,研究了随机变量序列的一类极限定理。作为推论,得到了若干经典的独立随机变量序列的极限定理和一类鞅差序列的极限定理。     

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→∞).