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     

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.     

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.     

I.I.D.随机变量部分和之和重对数律的精确渐近性

为研究独立同分布(i.i.d.)随机变量序列部分和之和重对数律的精确渐近性质,在矩条件较弱的情形下,采用截断的方法,证明了ε→0时的几个精确渐近性质;在矩条件较强的情形下,利用Berry-Esseen不等式进行逼近,得到了ε→α+1(1/2)的精确渐近性质.研究结论表明,i.i.d.序列部分和之和重对数律的精确渐近性质与部分和的结论类似,这就将i.i.d.序列部分和精确渐近性的结果推广到部分和之和的情形,丰富了i.i.d.序列部分和之和精确渐近性的结果.     

两两PQD序列部分和之和的一个大数律

利用随机变量的截尾方法和两两POD序列的矩不等式，得到了矩条件下两两POD序列部分和之和的弱大数律，推广了若干已有的弱大数律．     

NA序列部分和之和的大数定律及重对数律的精确渐近性

利用NA序列部分和之和的渐近分布,得到了NA序列部分和之和的大数定律及重对数律的精确渐近性.     

强混合序列部分和之和乘积的几乎处处中心极限定理

在前人给出独立和相依序列部分和的几乎处处中心极限定理的基础上,利用乘积转化和式的方法,给出强混合正随机变量序列部分和之和乘积的几乎处处中心极限定理。     

ρ-混合序列部分和之和乘积的几乎处处中心极限定理

在适当的假设条件下, 利用混合序列加权和的中心极限定理及矩不等式, 证明了混合序列部分和之和乘积的几乎处处中心极限定理.     

分枝马氏过程与超过程的中心极限定理

给出近几年来在分枝马氏过程与超过程的极限理论方面得到的部分结果.主要包括分枝机制满足二阶矩条件的分枝Hunt过程的中心极限定理;分枝机制满足二阶矩条件的一般超过程的中心极限定理;分枝机制是空间齐次的稳定分枝机制的超OU过程的中心极限定理.文章同时涉及到大数律结果.     

相关随机序列的大数定律和中心极限定理

本文针对一类相关随机序列，获得了均方意义下的大数定律和中心极限定理，从某种意义上讲，它是独立随机序列大数定律和中心极限定理的推广。     

独立随机变量序列部分和乘积的几乎处处中心极限定理

利用子序列方法获得了独立随机变量序列部分和乘积的几乎处处中心极限定理的更优结果, 改变了已有相关定理中的权, 使权系数更大.     

部分和之和的弱不变原理

利用独立同分布随机变量序列部分和的最大值不等式和极限性质,得到了独立同分布随机变量序列部分和之和的弱不变原理,丰富了部分和之和的渐近性质。     

不同分布两两NQD列部分和之和的强大数定律

主要研究两两NQD列部分和之和Tn=∑ni=1Si(其中Sn=∑ni=1Xi)的强大数定律,并获得了与独立同分布随机变量序列情形类似的结果.     

独立随机变量的随机和的中心极限定理

讨论独立同分布随机变量序列的随机和的极限定理．并把Donsker原理和Lindeberg-Levy中心极限定理推广到随机和的情形。     

带正漂移随机游动的若干变量的广义矩

本文考虑具有正期望值的独立同分布随机变量的部分和序列，研究了与该部分和有关的若干变量，例如，首次或最后一次穿过一个给定水平的时间，处于首穿时前或未穿时后部分和的值，部分和序列的极小值等。本文证明了这些变量广度矩存在的充分必要条件，推广了［２］的结果。     

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.     

独立同均匀分布随机变量和的高阶矩的计算

考虑到均匀分布与随机变量和的高阶矩的重要性,利用组合数学中的多项式定理和第二类Stirling数对独立同U(0,1)随机变量和的高阶矩进行了计算,得到了相应的计算公式。并以此为基础利用二项式定理,得到了独立同U(a,b)随机变量和的高阶矩的计算公式。最后给出了计算实例。     

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.