次线性期望下m-END序列加权和的几乎处处收敛性

利用Rosenthal不等式,讨论条件为■,■的次线性期望下m-END(m-extended negatively dependent)随机变量序列加权和的几乎处处收敛性.将经典概率空间中END序列加权和的几乎处处收敛性推广到次线性期望下m-END随机变量序列加权和的几乎处处收敛性.     

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.     

下鞅差序列的几乎处处收敛性

通过讨论了下鞅差序列的广义Jamison型加权和的几乎处处收敛,获得了比独立情形还强的Jamison定理的Marcinkiewicz强大数律,推广和改进了这两个定理。     

次线性期望空间下Marcinkiewicz型加权和的完全收敛性（英文）

研究了满足矩条件为E(|X|β)∞,β=max(α,γ),其中0α≤2,γ0且α≠γ情形下的次线性期望空间中END序列加权和的完全收敛性.对前人工作的相应结果进行了改进,并将其推广到了次线性期望空间下END序列加权和的情形.     

次线性期望下ND序列的完全收敛与完全积分收敛

利用Markov不等式, 在指数矩条件下给出次线性期望空间下的同分布负相依(ND)随机变量序列的完全收敛与完全积分收敛, 从而将概率空间中的完全收敛与完全矩收敛推广到次线性期望空间中, 并得到与之类似的结果.     

END随机变量序列加权和的完全收敛性（英文）

主要研究了END随机变量序列加权和的完全收敛性.在适当的权系数条件下以及适当的矩条件下,建立了END随机变量序列加权和的完全收敛性结果.所得结果推广了独立序列和负相依序列的相应结果.     

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.     

次线性期望空间下广义ND列加权和的完全收敛性

研究次线性期望空间下广义ND列加权和的完全收敛性,在随机变量的p阶上积分存在条件下,将概率空间中广义ND列加权和的完全收敛性推广到了次线性期望空间.     

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.     

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,, P)下,讨论了实值随机变量序列 {ξ n}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。     

END随机变量加权和的最大值序列的完全收敛性

众所周知,END随机变量是一类包含独立变量、NA变量以及NOD变量在内的非常广泛的相依变量.在适当的权系数和矩条件下,我们研究了END随机变量加权和的最大值序列的完全收敛性.作为应用,得到END随机变量加权和的强大数定律.所得结果推广NA变量和NOD变量的相应结果.     

次线性期望空间下广义负相依序列加权和的完全收敛性

研究了次线性期望空间下随机变量序列的完全收敛性,利用广义负相依序列的性质,在随机变量的λ经典概率空间中独立序列的结果.     

m-END误差下回归模型加权估计的相合性

m-END随机变量是一类很弱的负相依随机变量,它包含了NA随机变量、NOD随机变量和END随机变量。本文基于误差为m-END序列,研究非参数回归模型未知参数的加权估计,获得了加权估计的收敛性,包括矩相合性收敛速度和完全相合性收敛速度。作为应用,给出非参数回归模型未知参数近邻权估计的矩相合性收敛速度和完全相合性收敛速度。     

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．     

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。     

(α,β)混合序列加权和的强收敛性

(α,β)混合序列是一类极其广泛的随机变量序列.利用(α,β)混合序列的矩不等式研究(α,β)混合序列加权和的Rosenthal型不等式.在此基础上重点讨论(α,β)混合序列加权和的强大数定律,进一步研究广义Jamison型加权和的强收敛性.     

次线性期望空间下END序列加权和的完全收敛性

以次线性期望空间下的指数不等式为研究工具,在1/α+1/β=1/p, C_(-overV)(|X|^rp)<∞的条件下,根据此指数不等式,将传统概率空间中随机变量序列加权和的完全收敛性,推至次线性期望空间。     

可测集值映射的Egorov定理

讨论了取值可分自反Banach空间中可测集值映射序列的Egorov型收敛定理,在几种不同拓扑收敛意义下,刻画了可测集值映射序列的几乎处处收敛.     

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.     

_-混合序列的几乎处处收敛性

文章讨论了-混合序列的几乎处处收敛性,把独立同分布随机变量序列的相应结果较好地推广到同分布~ρ-混合序列,从而得到了若干个关于-混合序列的几乎处处收敛定理.