关于离散随机变量序列的一类强偏差定理

引入极限相对对数似然比的概念，作为离散相依随机变量序列与独立随机变量序列的偏差的一种度量，并利用它来研究离散相依随机变量序列的极限性质．引入一种全新的概率研究方法——分析法，得到了一类用不等式表示的强极限定理，即强偏差定理，其偏差界依赖于此极限相对对数似然比．作为推论得到了经典的独立随机变量序列的强大数定理，进一步发展和完善了状态空间离散有限的随机变量序列关于乘积分布的强偏差定理．     

鞅方法与一类强偏差定理

通过极限相对对数似然比，利用随机变量截尾的方法并结合Doob鞅收敛定理这一工具研究相依连续型和离散型随机变量序列的性质，得到了一类强极限定理及用不等式表示的强偏差定理，并推广了一些经典的强大数定律。     

一类随机变量序列关于Γ-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Γ分布的独立随机变量序列的偏差的一种度量,并通过限制似然比给出了样本空间的一个子集,在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理,将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间.作为推论得到了任意非负连续型随机变量序列关于指数分布,厄兰分布以及x2-分布的强偏差定理以及服从Γ-分布的独立随机变量序列的一族强大数定律.     

二维离散型随机变量独立性的判定

利用矩阵的秩给出了二维离散型随机变量独立性的两个判定定理,一个推论,并举例说明用此结论判断二维离散型随机变量的独立性是非常好用的。     

二维离散型随机变量独立性的一个判断定理及应用

在二维离散型随机变量独立性定义的基础上,得到二维离散型随机变量独立的一个新的判断定理,并给出相关的应用.     

一类随机变量序列关于Г-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Г分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理，将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间．作为推论得到了任意非负连续型随机变量序列关于指数分布，厄兰分布以及X^2分布的强偏差定理以及服从Г-分布的独立随机变量序列的一族强大数定律．     

随机变量序列基于指数分布的强偏差定理

利用样本相对熵作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量,运用鞅理论及分析方法,研究了一类随机变量序列加权和的用不等式表示的极限定理,即强偏差定理     

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.     

随机序列基于指数分布的若干强极限定理

利用样本相对熵作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量,运用鞅理论及分析方法,研究了一类随机变量序列加权和的强偏差定理,并讨论了任意连续信源的相对熵密度的若于极限性质。     

关于离散信源滑动相对熵的一个小偏差定理

通过引入任意离散随机序列联合分布相对于乘积参考分布的滑动相对熵概念，建立了任意相依离散随机变量序列滑动相对熵的一个小偏差定理。     

分布矩阵与离散型r.v.独立性的判定

基于离散型r.v.分布矩阵,给出二维、三维离散型r.v.独立性的充分必要条件,得到了相应的离散型r.v.独立性的判别方法,并给出相关应用.     

离散型随机变量独立性的判定

】　借助于条件数学期望给出了离散型随机变量相互独立的一个充分必要条件和一个充分条件,其中的充分必要条件推广了已有的结论。     

任意离散值随机变量序列泛函的一类强极限定理

当 {Xn,n≥ 0 }是离散值随机变量序列时 ,建立了关于泛函 { fn(X0 ,X1,… ,Xn) ,n≥ 1}的强极限定理 ,作为推论 ,得出了关于任意随机变量序列及m重非齐次马氏链的随机选择的强极限定理 ,它是关于 (单重 )非齐次马氏链的随机选择的强极限定理的推广 .     

随机格点搜索法——一种新的离散变量最优化方法

本文提出一种新的离散变量最优化方法——随机格点搜索法。它是随机方向法、复合形法、网格法搜索思想的结合,适用于求解全离散、均匀离散变量的最优化问题。     

离散型随机变量序列最大值的收敛速度

设X1,X2,…,Xn是独立同分布离散型随机变量序列,Mn=max{X1,X2,…,Xn}.当n→∞时,(Mn-bn)/an的极限分布已知.然而,当离散分布的参数随着n而变化时,有可能得到它的非退化极限分布及其收敛速度.研究了3类离散型随机变量序列最大值的收敛速度.     

一个离散型随机变量数学期望的计算

分别用定义法和随机变量和式分解法计算得到一个离散型随机变量的数学期望．其中,定义法计算过程步骤多,公式的转化和运算灵活,而随机变量和式分解法利用变量分解技巧,降低了计算难度．     

关于一类特殊随机变量的切比雪夫大数定律推论

针对可能取值有无限个的离散型随机变量,以数学分析中的级数为工具推演切比雪夫大数定律,研究了期望、方差及相关的序列,得到了关于离散型随机变量有针对性的推论．     

概率分布中的递推问题

结合离散型随机变量的可能取值是自然数这一特点,利用归纳递推的思想给出了常用的离散型随机变量概率分布的递推公式,并用同一个数学表达式表示,此时只需对表达式中的参数选取相应的值,便可获得不同离散型随机变量的概率分布.利用该结论可以使一些比较烦琐的概率计算问题借助于计算机予以解决.     

运用Newton微元法求解概率密度函数

利用Newton微元法求连续型随机变量函数的概率密度,可使其与求离散型随机变量函数的概率分布的计算方法相统一,因而这种方法更直观简单,尤其在求解复杂的随机变量函数的概率密度时,此方法更胜一筹.     

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。