SLUTSKY定理的推广

Ｓｌｕｔｓｋｙ定理指出：如果随机变量序列｛Ｘ１ｎ｝，｛Ｘ２ｎ｝，…，｛Ｘｍｎ｝分别依概率收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，那么任意一个有理函数Ｒ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）也依概率收敛到常数Ｒ（ａ１，ａ２，…，ａｍ），只要Ｒ（ａ１，ａ２，…，ａｍ）有限。本文从两个方面推广了这一结果：第一，若上述随机变量序列分别依概率收敛到随机变量Ｘ１，Ｘ２，…，Ｘｍ，ｇ（ｘ１，ｘ２，…，ｘｍ）是ｍ维欧氏空     

随机变量列的收敛性及其相互关系

给出了随机变量列的依概率收敛、依分布收敛、几乎必然收敛的定义,举例说明了其应用,并研究了三种收敛性之间的相互关系.     

关于两个随机变量序列共同收敛性的一个充分条件

本文简要的论证了在一定的条件下一个随机变量序列的某种收敛性可以由另一个随机变量序列的这种收敛性得到,从而为判断一个随机变量序列的这种收敛性提供了一种较为简便的方法。     

关于随机变量序列收敛性关系的探讨

在完备的概率空间（Ω,F,P)下,讨论了实值随机变量序列{ζn}的完全收敛,几乎处处收敛、r次平均收敛、依概率收敛、依分布收敛之间的相互关系,得到若干有意义的常用结论。     

SLUTSKY定理的推广

Ｓｌｕｔｓｋｙ定理指出：如果随机变量序列｛Ｘ１ｎ｝，｛Ｘ２ｎ｝，…，｛Ｘｍｎ｝分别依概率收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，那么任意一个有理函数Ｒ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）也依概率收敛到常数Ｒ（ａ１，ａ２，…，ａｍ），只要Ｒ（ａ１，ａ２，…，ａｍ）有限．本文从两个方面推广了这一结果：第一，若上述随机变量序列分别依概率收敛到随机变量Ｘ１，Ｘ２，…，Ｘｍ，ｇ（ｘ１，ｘ２，…，ｘｍ）是ｍ维欧氏空间Ｒｍ上的连续函数，则ｇ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）依概率收敛于ｇ（Ｘ１，Ｘ２，…，Ｘｍｎ）．第二，若上述随机变量序列分别收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，又Ｂｏｒｅｌ可测函数ｇ（ｘ１，ｘ２，…，ｘｍ）在点（ａ１，ａ２，…，ａｍ）处连续，则ｇ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）依概率收敛到ｇ（ａ１，ａ２，…，ａｍ）．     

随机变量序列几乎处处收敛的几个等价命题

由随机变量序列几乎处处收敛可推出其依概率收敛，进而可推出其依分布收敛，可见判别几乎处处收敛的重要性．给出了它的几个等价命题，同时还证明了独立随机变量和序列几乎处处收敛等价于依概率收敛，亦等价于依分布收敛．     

随机变量序列几乎必然收敛的若干等价命题

由随机变量序列几乎必然收敛可推出其依概率收敛,进而可推出其依分布收敛,可见判别几乎必然收敛的重要性。本文将给出它的几个等价命题,同时还证明了独立随机变量和序列几乎必然收敛等价于依概率收敛,亦等价于依分布收敛。     

关于中心极限定理的注记

讨论了服从中心极限定理的复值随机变量序列及m元实值随机变量序列的性质，得到与中心极限定理有关的几个定理.     

随机变量函数f(X)(依概率)的最优幂级数逼近

一些文献中给出了两个随机变量依概率线性表示的充要条件。本文论证了随机变量函数f(X)依概率展成幂级数的两个充分条件及其推论。     

多元随机变量函数f(X,Y)(依概率)的最优幂级数逼近

将一元随机变量函数f(X)(依概率)的最优幂级数逼近的若干结果进行了推广。论证了多元随机变量函数f(X,Y)在上述意义下的几个充分条件及其推论。     

连续型随机变量的单位化

通过引入单位随机变量的定义，讨论连续型随机变量与单位随机变量关系，提出并证明了在一定条件下，连续型随机变量可转化为单位随机变量，或者说，连续型随机变量可用单位随机变量表示。     

对称随机变量的平均不等式

该文定义了对称随机变量及随机变量的算术平均与几何平均,并建立了对称随机变量的算术平均——几何平均——期望不等式,将康托洛维奇不等式作为推论导出.     

模糊空间行独立随机组列的强大数律

介绍模糊随机变量、模糊随机变量空间的概念,利用同构映射,建立了模糊随机变量空间和Banach空间之间的同构关系,证明了模糊随机变量空间行独立随机组列的强大数律.     

条件数学期望及随机变量函数的三角多项式级数展开

获得了如下结果:(1)条件数学期望及随机变量函数的三角多项式级数表达;(2)一个随机变量关于另一个随机变量的三角多项式的最佳逼近;(3)随机变量函数被随机变量三角多项式最佳逼近的阶.     

关于随机变量“几乎确界”的注记

作者对随机变量的几乎确界进行了研究，在适当的条件下，得到了随机变量几乎确界的一些性质，并对对称、可逆、倒对称随机变量的几乎确界性质作了进一步的讨论。     

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.     

两种不同类型随机变量混合函数的分布

文章主要讨论了由两种不同类型随机变量构成一个随机变量函数的分布，并着重给出了相互独立的一个连续型随机变量和一个离散型随机变量相乘构成的随机变量函数的分布的计算方法。     

离散型随机变量的概率密度函数及其应用

利用单位脉冲函数定义了离散型随机变量的概率密度,给出离散型随机变量与其独立的连续型随机变量和分布的计算公式,且证明其和分布不可能为正态分布。     

有界随机变量的次高斯性

通过建立一些重要的不等式，研究有界随机变量的性质，得出了重要结果：数学期望为零的有界随机变量是次高斯的，并得出参数τ的精确估计。最后应用这些结果构造一个非对称的次高斯变量，并研究了某些随机三角级数的性质，得到了很好的结果。     

论两种类型随机变量独立和的分布

给出了一种求离散型随机变量与连续型随机变量之和的概率分布的方法,并举例说明之.