经验过程的欧拉弱大数定律

得到了经验过程的一般加权和的对称化不等式及欧拉加权系数的性质．利用这个对称化不等式及欧拉加权系数的性质，研究了经验过程中的独立同分布随机元序列的欧拉可求和性，得到了经验过程的欧拉弱大数定律成立的充分条件（Ｅｆ（Ｘ）２Ｇ＜∞），建立了实值情形下的结果在经验过程中的相应形式．     

经验过程的欧拉弱大数定律

得到了经验过程的一般加权和对称化不等式及欧拉加权系数的性质。利用这个对称化不等式及欧拉加权系数的性质，研究了经验过程中的独立同分布随机元序列的欧拉可求和性，得到了经验过程的欧拉弱大数定律成立的充分条件，建立了实值情形下的结果在经验过程中的相应形式。     

经验过程的Cesaro大数定律

给出经验过程Ｃｅｓａｒｏ大数定律成立的充要条件，建立Ｈｅｉｎｋｅｌ的结果在经验过程中的相应形式     

欧拉应用分析于数论研究综述

扼要而又系统地综述了欧拉应用分析于数论研究的早期工作.其中有许多激动人心的数论公式与定理.例如,关于自然数方幂倒数的无穷和公式、关于Zeta函数的欧拉乘积公式、欧拉对4平方数定理的思考与证明,及其欧拉在解决这些问题的同时所创造的有关数论函数、分拆函数和理想数的概念等等.这些概念、定理或公式都是欧拉首先发现并加以精确论证的.与众不同的是,他善于把一个纯数论问题变换为一个分析问题,事实上欧拉的想法更具一般性.它足以展示欧拉的数学工作的深刻与广博.最后我们引述了欧拉发现的数论中几个著名的级数公式和二次互反性定律,它们都是欧拉在数论文库中留给我们的宝贵遗产.     

随机环境中d维随机游动的强大数定律

研究了随机环境中d维随机游动的极限理论,在一定条件下证明了随机环境中d维随机游动的强大数定律,并且给出了一个等价形式的随机环境中随机游动的强大数定律.     

具有4阶矩的无界函数指标集上经验过程的概率不等式

设{Xn}是概率空间(Ω,Γ,P)上的随机向量序列,I是{Xn}对应经验过程的可测函数指标集合.有关函数指标集合上经验过程的概率指数不等式研究一直被条件supf∈If≤M,M>0所限制,以致对应的经验过程不能包含象样本均值和样本方差等常用的统计量,这使经验过程概率指数不等式的应用受到了极大的限制.记L4(P)={f:Ef4(Xi)<∞,i≥1,f(.)是Borel可测的实函数},在IL4(P)和独立不同分布的样本条件下,无界函数指标集I上经验过程的概率指数不等式被研究.利用一种新的对称化思想和一种新的截割概率空间的方法,无界函数指标集I上经验过程的概率指数不等式被给出.这些不等式与定理Ⅱ.33[1]以及文献[2~4]等中关于有界函数指标集上经验过程的概率指数不等式有着本质的区别.     

右半直线上依分布收敛独立随机环境中随机游动的吸收概率

主要讨论右半直线上独立随机环境中带有吸收壁的随机游动,在假定环境满足一定条件下证明了一个强大数定律,并应用该定律 计算了其吸收概率。     

直线上时间随机环境中随机游动的基本性质

讨论了一类直线上时间随机环境中随机游动的基本性质,为进一步研究这个具体模型的性质,如大数定律、中心极限定理等奠定了基础.     

关于一维随机环境中非紧邻随机游动的注记

应用"击中时"分解的方法,给出了暂留情况下一维随机环境中非紧邻随机游动大数定律的另一个证明,该模型的大数定律结果首先是由Brémont借助粒子看环境的办法给出的.     

带静电斥力弹性杆的Cosserat方程及其数值模拟

根据牛顿动力学定律,导出弹性杆的Cosserat方程,引入欧拉参数将方程组化为方便数值计算的分量表达形式.导出弹性杆的静电斥力的数值表达式,进一步导出带静电斥力的弹性杆的Cosserat方程.最后利用数值方法进行数值模拟.     

一个推广的Borel强大数定律的改进

Borel通过研究Bernoulli试验,首先给出了其强大数定律,已有文献给出了一个推广的Borel强大数定律.作者改进了这个结果,将其中的条件dn=O(1/n)减弱为dn=O(1/nα),α>0.另外,将此结果推广到有界的随机变量序列的情形,给出其Borel强大数定律.     

同分布NA序列部分和之和的强大数定律

研究同分布NA随机变量序列｛Xn｝部分和之和Tn=∑ni=1Si(其中Sn=∑ni=1Xi)的强大数定律,通过给出一些等价的条件,建立了强大数定律,获得了与独立同分布序列情形下类似的结论。     

同分布的两两NQD序列部分和之和的强大数定律

主要研究同分布两两NQD随机变量序列{Xn,n∈N}部分和之和Tn=∑i=1 n Si（其中Sn=∑i=1 n Xi）的强大数定律,通过给出几个等价的条件,建立了强大数定律,获得了与I．I．D列情形相类似的结论．     

由强混合序列生成的移动平均过程的矩完全收敛性

设{Yi,-∞i∞}为一同分布的强混合随机变量序列,{ai,-∞i∞}为一绝对可和的实数序列.利用强混合序列的矩不等式及缓变函数的性质,在适当的条件下得到了由强混合序列生成的移动平均过程的矩完全收敛性和强大数定律.     

LPQD序列的最大值不等式和强大数定律

本文证明了LPQD随机变量序列的最大值不等式,并由此得到一个LPQD序列的强大数定律．所得结果分别推广了Newman—Wright和Birkel关于PA序列的相关结论．     

-混合序列的强大数律和收敛速度

对于正相协和负相协随机变量序列,许多学者都进行了研究,并给出相关结果.受前人研究成果的启发,利用一般方法证明了-混合序列的强大数定律,并且得到了它的收敛速度和上确界的可积性.     

可信性空间上关于模糊变量的强大数定律

目前,关于强大数定律的研究仍集中在概率测度(可加性测度)空间上。但是,概率测度的可加性条件太强,限制了强大数定律的研究范围。为了扩大其研究范围和应用领域,强大数定律将被推广到一种非可加测度空间——可信性空间上进行研究。可信性测度是一种比概率测度更广泛的、自对偶的测度,它的性质将得到更进一步的讨论。利用概率论中类似的方法,在可信性空间上给出依可信度1收敛的概念、重新提出基于模糊变量的强大数定律的定义;进而提出并证明强大数定律的相关引理;最后给出强大数定律的证明,从而获得了可信性空间上关于模糊变量的强大数定律。这一工作扩大了强大数定律的研究范围,达到了推广强大数定律应用领域的目的。     

PA列乘积和的Marcinkiewicz型强大数律

讨论了不同分布的PA序列乘积和的Marcinkiewicz型强大数律,改进了目前所做的部分工作,得到了一些新的结论.     

两两NQD列乘积和的Marcinkiewicz型强大数律

讨论了不同分布两两NQD列乘积和的Marcinkiewicz型强大数律,得到了一些新的结果.