一类离散型随机变量高阶原点矩的递推计算方法

考虑到直接用定义计算随机变量高阶原点矩的复杂性,将组合数学中两个重要的组合恒等式ni=n-1i-1+n-1i和ini=nn-1i-1应用到一类离散型随机变量高阶原点矩的计算中,给出了二项分布、负二项分布和超几何分布随机变量高阶原点矩的递推计算公式.     

高阶广义正规变化尾随机游动最大值的大偏差概率估计

研究了高阶广义正规变化条件下随机游动最大值的大偏差估计.假设独立同分布的随机变量的尾分布是高阶广义正规变化函数,得到了一个大偏差估计值.利用洛必达法则得到高阶广义变化条件的一个等价形式,在此等价形式下,得到由独立同分布随机变量生成的随机游动最大值的大偏差估计(V)n(x)=P{(S)n >x}的另外一个估计.     

高阶广义正规变化尾的随机游动的大偏差估计

研究高阶广义正规变化条件下随机游动的大偏差估计.假设独立同分布的随机变量的尾分布是高阶广义正规变化函数,得到一个大偏差估计.利用高阶广义正规变化条件的一个等价形式,得到由独立同分布(i.i.d)随机变量生成的随机游动的大偏差Vn(x)=P{Sn>x}的估计.     

END随机变量加权和的强极限定理

END(extended negatively dependent)序列是一类非常宽泛的随机变量序列,它包括独立随机变量序列、NA(negatively associated)序列、NOD(negatively orthant dependent)序列等.利用END随机变量序列的Rosenthal型矩不等式,研究了END随机变量加权和的强极限定理,所得结果推广了独立变量和若干相依变量的相应结果.     

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.     

独立随机变量和的完全收敛性

利用归纳法,首先证明了独立的不同分布的随机变量和的矩不等式,其次根据这个重要结果,建立了关于不同分布随机变量序列的完全收敛定理,最后得到了关于i.i.d.随机变量序列完全收敛的等价条件,从而改进和推广了目前的关于完全收敛的经典结果.     

任意随机变量序列强极限定理的一个推广

利用随机变量的截尾方法和Doob鞅收敛定理，研究了任意随机变量序列的性质，得到了一类矩条件下任意随机变量序列的强极限定理，推广了与此相应的一些结果．     

有关可交换随机变量序列的一个结论

研究一定相关性条件下可交换随机变量与独立同分布随机变量的结果之间的相似与不同。利用逆鞅、截尾等方法,解决其渐近性质的问题。由于可交换随机变量的基本结构定理De Finetti定理——可交换随机变量无限序列以其尾σ-代数为条件是独立同分布的,因此可交换随机变量应该具有类似于独立同分布随机变量的性质。     

随机变量阵列加权和的r阶矩完全收敛性

独立同分布变量序列和相依变量序列的收敛性质研究一直是概率极限理论的研究热点。本文研究了随机变量阵列加权和的r阶矩完全收敛性。利用Marcinkiewicz-Zygmund不等式或Rosenthal型不等式和截尾法，获得了随机变量阵列加权和的r阶矩完全收敛的一般条件。同时，结合这些一般条件推广和改进了独立同分布或相依随机变量序列矩完全收敛性的相关成果。     

NSD随机变量加权和的强收敛性

利用负超可加可相依(negatively superadditive dependent,NSD)随机变量的MarcinkiewiczZygmund型矩不等式、Kolmogorov型指数不等式和随机变量的截断方法,给出NSD随机变量阵列加权和的若干完全收敛性的结果.所得到的结果把同分布负相协(negatively associated,NA)随机变量加权和的相应结论推广到了NSD随机变量变列加权和的情形,并且不需要同分布的条件.     

I.I.D.随机变量部分和之和的极限定理

研究了独立同分布随机变量部分和之和的强大数律和中心极限定理 ,并且还得到了相应的 Berry- Esseen界     

索赔盈余风险模型中精确大偏差

考虑了控制变化族(D族)上索赔过程与保费过程构成的索赔盈余风险模型,研究了此风险模型中带相依关系的随机变量的非随机和与随机和的尾概率渐近问题,利用求相依不同分布的随机变量的非随机和与随机和的精确大偏差方法,得到了带上延拓负相依和混合相依关系的不同分布的随机变量构成的索赔风险模型中的非随机和与随机和的精确大偏差渐近的结论,最后建立了索赔盈余风险模型中精确大偏差的渐近公式.     

截断和乘积的不变原理

设{Xn,n≥1}为独立同分布的正平方可积随机变量
序列, 其共同分布为连续的中尾分布. 对于固定的常数a>0, 令Sn=∑〖DD(〗n〖〗i=1
〖DD)〗Xi, Mn=max〖DD(〗〖〗1≤i≤n〖DD)〗 Xi, Sn(a)=∑〖DD(〗n
〖〗i=1〖DD)〗XiI{Mn-a 定理和连续映射定理证明了截断和乘积的不变原理.     

I.I.D.随机变量部分和之随机和的极限定理

论文研究了部分和之随机和的大数律和中心极限定理,所得结果推广了文献[4]中部分和之和的大数律和中心极限定理。此外,论文还研究了由部分和之和所定义的停时,并且对于停时建立了中心极限定理。     

ρ~-混合序列完全矩收敛的精确渐近性

设{X_n,n≥1}是一列严平稳的ρ~-混合随机变量序列,利用ρ~-混合随机变量序列的中心极限定理和矩不等式等,在适当的条件下给出ρ~-混合随机变量序列部分和在一般对数律下的完全矩收敛精确渐近性的一般函数式.     

截断和乘积几乎处处中心极限定理的注记

设{X_n, n≥1}为连续独立同中尾分布的正平方可积随机变量序列. 对于固定的常数a>0, T_n(a)=S_n-S_n(a)为截断和. 利用截断和的极限性质及大数定律, 在一般的权重条件下, 证明了截断和乘积的几乎处处中心极限定理.     

部分和模1(mod 1)分布渐近均匀性的收敛速度

设｛Ｘj｝是独立同分布随机变量序列,｛Ｓn｝是其部分和序列,ξ（Ｓn）表示Ｓn的小数部分,本文讨论了ξ（Ｓn）渐近Ｕ［０,１）均匀分布的收敛速度,即估计supB∈B［０,１)｜P(ξ(Ｓn)∈B)-P(U∈Ｂ)｜。     

B值m相依随机元序列的随机指标中心极限定理

讨论B值m相依随机元序列的随机指标中心极限定理, 给出其成立的一个充分条件, 同时给出当B是2型空间时随机指标中心极限定理.     

I.I.D.随机变量部分和之和的完全收敛性

用截尾等方法研究独立同分布(i.i.d.)随机变量序列部分和之和的完全收敛性, 得到了与i.i.d.随机变量序列部分和完全收敛性相同的等价条件, 补充了部分和
之和的极限定理.