模糊化的Riesz定理和Lebesgue定理

在一般模糊测度空间上,针对可测模糊值函数序列给出了依模糊测度收敛和几乎处处收敛的概念,并在此基础上,进一步研究了模糊值函数序列的这两种收敛的蕴涵关系,从而获得了所谓模糊化的Riesz定理和Lebesgue定理.     

随机集可积选择序列的h收敛性

本文给出了集合序列的ｈ上、下极限的概念，并且得到随机集可积选择序列的ｈ下极限的法杜引理和ｈ收敛意义下的勒贝格控制收敛定理。     

模糊值函数序列的广义Egoroff定理

在一般模糊测度空间上, 针对可测模糊值函数序列给出了(伪)几乎处处收敛和(伪)几乎一致收敛的概念, 研究了几乎处处收敛和几乎一致收敛、伪几乎处处收敛和伪几乎一致收敛的蕴涵关系, 从而获得了不同形式的模糊化的广义Egoroff定理。     

子序列法应用条件的改进

子序列法是在大数定理及其相关的收敛性证明中常使用的一种重要方法, 主要应用在随机序列和的强收敛性定理证明中. 本文将子序列法的应用条件从原有的独立序列扩展到某种意义上的正交序列, 并给出了对一般随机变量序列所构成的级数的几乎处处收敛方法.     

函数序列关于弱收敛概率测度序列积分的极限定理

研究了函数序列关于弱收敛概率测度序列积分的极限定理,给出了概率测度弱收敛的若干新的等价条件,得到了期望泛函序列上图收敛的一个充分条件.     

ρ-——混合序列加权和的完全收敛性和强收敛性

给出ρ^--混合序列加权和完全收敛和强收敛的充分条件,所得结果推广了Stout和Thrum定理.     

AANA序列的强大数定律和强收敛速度

针对相依序列的强大数定律研究,特别是其强收敛速度的研究受到许多学者的关注.文章研究了比NA序列要弱的AANA序列部分和强大数定律,并给出了其收敛速度和上确界的可积性；给出了NA序列的部分和强大数定律、收敛速度及上确界可积性等结果.     

关于r—收敛的一些结果

证明了集合序列的ｒ－收敛蕴含Ｋ－Ｍ收敛，给出了随机集列在ｒ收敛意义下的收敛定理。     

关于k-拟可加模糊积分序列的进一步探讨

在k-拟可加模糊积分的定义和积分转换定理的基础上,进一步研究了k-拟可加模糊积分序列收敛性质,给出并证明了依测度收敛和一致收敛的定义及定理证明。     

关于r－收敛的一些结果

证明了集合序列的ｒ－收敛蕴含Ｋ－Ｍ收敛，给出了随机集列在γ－收敛意义下的收敛定理．     

矩条件下随机序列部分和的几乎必然收敛性

设{Xn,n≥1}是任一随机变量序列．通过研究矩条件下任意随机变量序列部分和的几乎必然收敛性的问题,利用William F．Stout在二阶矩条件下获得的随机变量序列几乎必然收敛的定理,从而得到了两种矩条件下随机变量序列部分和的几乎必然收敛性的充分条件．     

鞅差序列加权和的几乎处处收敛性

基于截尾技术和一些基本不等式,研究形如n∑i=1aniXi的加权和的极限性质,得到了{Xn,n≥1}为鞅差序列时的几乎处处收敛性质,推广了{Xn,n≥1}为独立同分布的随机变量序列时的相关结果.     

关于适应随机变量序列部分和的收敛问题

利用下鞅收敛定理、停时和条件三级数定理研究适应随机变量序列部分和的收敛问题．     

次线性期望空间下END列加权和的几乎处处收敛性

利用与概率空间不同的研究方法, 在Choquet积分存在的条件下, 研究次线性期望空间中广义负相依（END）随机变量序列加权和的几乎处处收敛性, 得到了几乎处处收敛性定理, 从而把该定理从传统概率空间扩展到次线性期望空间.     

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.     

NA序列和的若干收敛性

利用NA序列的一个矩不等式,讨论了不同分布的NA随机变量序列加权和的完全收敛性,得到了更为一般的完全收敛性.     

ARCH（∞）模型加权和序列的渐近收敛性

本文在ARCH（∞）模型具有的平稳性的基础上,证明了其加权和序列几乎处处收敛,且均方收敛于同一极限．     

一类随机变量的概率不等式及几乎处处收敛性

从一个常用的概率不等式出发,在一定的矩限制条件下,得到一个随机变量序列的Hajek-Renyi型不等式,并应用此不等式证明随机变量序列部分和的几乎处处收敛性,同时给出随机变量序列部分和的推广性质和收敛速度,可以证明论文的结论优于文[1]的主要结论.最后应用到随机变量序列收敛性的证明,从而推广了随机变量序列的一些收敛性质.     

Almost sure convergence and complete convergence for the weighted sums of martingale differences

Let {(D _n, FFF_n),n/->1} be a sequence of martingale differences and {a _ni, 1≤i≤n,n≥1} be an array of real constants. Almost sure convergence for the row sums are discussed. We also discuss complete convergence for the moving average processes underB-valued martingale differences assumption. Foundation item: Supported by the National Natural Science Foundation of China and the Doctoral Programme Foundation of China Biography: DENG Ai-jiao (1974-), female, Ph.D. candidate. Research interest is in stochastic processes and random fractal.     

(p~)混合序列的收敛性质

设{Xn,n≥1}为(p~)混合序列.利用随机变量的截尾方法,研究了(p~)混合序列的几乎处处收敛性,并得到一些新的结果,推广和改进了独立序列的相应结果,而且并不需要另外增加其他条件.

Abstract：

Let {Xn,n≥1} be a (p~)-mixing random variable sequence. By means of the truncation method of random variables,the almost sure convergence for (p~)-mixing sequences was discussed and some new results were obtained, which extended and improved the corresponding results for independent random variable sequences without necessarily adding any extra conditions.