时序模型Xn＋1=TZn-1（Xn,εn＋1（Zn＋））的极限行为

提出了一个随机环境下的时间序列模型，应用马氏链的随机稳定性理论，讨论了该模型确定的序列{Xn}的极限性质，给出了{Xn}依某种方式收敛以及以几何速率收敛的充分条件．     

随机级数∞∑n=1Xn(ω)fn(x)的收敛性

运用简化原理,得到了对称随机级数∞∑n=1Xnfn若在L2ω中a.s.收敛或cesaro有界,则它关于dω(x)几乎必然几乎处处收敛的结果,并给出一反例,说明这个结果的逆是不正确的.然后研究了在一般的情况下,当随机系数{Xn}满足"(A) n>0,EXn=0,aE2/2|Xn|2≤E|Xn|<∞"的条件下,该级数收敛的充分必要条件.     

随机级数∑n=1^∞Xn（ω）fn（x）的收敛性

运用简化原理,得到了对称随机级数∑n=1^∞Xn（ω）fn（x）若在Lω^2中a．s．收敛或Cesaro有界,则它关于dω^-（x）几乎必然几乎处处收敛的结果,并给出一反例,说明这个结果的逆是不正确的．然后研究了在一般的情况下,当随机系数{Xn}满足“A↓n〉0,EXn=0,aE1/2｜Xn｜^2≤E｜Xn｜〈∞”的条件下,该级数收敛的充分必要条件．     

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.     

幂赋范下偏正态分布极值的收敛速度

令{Xn,n≥1}是独立同分布随机变量序列并且每个变量均服从偏正态分布.再令Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,得到了幂赋范下最大值分布的渐近分布和赋范常数以及幂赋范下相应的逐点收敛速度.     

一类带随机延滞的时序模型的极限行为

提出了一个带有随机延滞的时序模型Xn 1=fzn 1(Xn,…,Xn-zn 1) Hzn 1(Xn,…,Xn-zn 1)εn 1,应用马氏链的随机稳定性理论,讨论了这个模型的极限行为,给出了关于{Xn}以几何速率按某种方式收敛的一个充分条件。     

样本相对熵与相依随机序列的若干小偏差定理

设{Xn,n≥1}是任意连续型随机序列,引入相对熵hμμ(w)作为随机序列{Xn,n≥1}的概率测度μ与参考测度μ之间偏差的一种随机性度量,在适当条件下,给出了任意连续型随机变量部分和小偏差定理.     

B值随机序列的一类强极限定理

设{φn(x),n≥1}是具有φ-特征的偶函数序列,{Xn,n≥1)是B值随机变量序列,在φn(Xn)的矩条件下研究了随机序列{Xn,n≥1}所满足的强极限定理和强大数定律,使一些经典的强大数定律成为特例.     

一个具有Markov性的入圈问题

研究序列{Xn},{Xn}满足Xn=Yn(mod 2),其中Yn∈Z+,Y0≥2,Yn+1=Yn+[Yn/2],证明了{Xn}为一独立随机变量序列,并且是一时间齐次Markov链.最后,利用该Markov链{Xn}的性质,证明了入圈问题经过有限次插点,Cm的任意一边上都至少插入一个新点.     

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 .     

一类随机环境下随机游动的保守集和常返性

就一类平稳遍历随机环境ξ下随机游动{Xn}n∈Z 给出相应的Markov-双链{Xn}n∈Z ={(Xn,Tnξ)}n∈Z 的保守集,和在该平稳遍历环境ξ下{Xn}n∈Z 为常返链的条件。     

ρ-混合序列完全矩收敛的精确渐进性

设{Xn;n≥1}为正的严平稳ρ-混合随机变量序列,在适当的假设条件下,获得ρ-混合序列完全矩收敛的精确渐进性的一般形式.     

B值m相依随机元序列的完全收敛性

设{Xn;n≥1}是均值为零的B值m相依随机元序列,X1∈CL(B),对于1≤t<2,r>1有E‖X1‖rt< ∞,记Sn=∑ni=1Xi.利用构造法证明了{Xn;n≥1}的完全收敛性.     

混合对数正态分布最大值的极限分布

设{Xn,n≥1}是独立同分布的随机变量序列,并且每个随机变量Xn服从混合对数正态分布.Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,同服从混合对数正态分布的独立随机变量最大值的极限分布以及相应的赋范常数.     

α-混合序列的最近邻密度估计

设 {Xn} ∞n =1是一维平稳过程 ,具有公共未知密度f(x) ,在假设过程 {Xn} ∞n =1是α -混合的情形下 ,讨论了基于前n个观测值 {Xi} ni=1的 f(x)的最近邻估计的逐点相合性、一致相合性以及收敛速度     

正项随机级数的收敛性及应用

在{Xn}不要求独立或至多两两不相关情形下,运用文献[1]中已有的关于正项随机级数的收敛判别准则讨论了其他正项随机级数的收敛性,得到了较好的结果.     

方程△xn=rnxn(1-xn/1+λxn)的全局吸引性

考虑非自治差方程△Xn=rnxn1-Xn/1 λXn,n=0，1,2,…全局吸引性，这里{rn}是正实数列，λ＞0。获得了方程每一解趋于1的充分条件。     

保整除变换半群的Green关系及一些组合结果

设Xn={1,2,…,n}是有限集,Tn是Xn上的全变换半群,令TD{Xn}={α∈Tn:x∈Xn,x|n■xα|n}那么TD{Xn}在变换的合成下构成Tn的一个子半群.刻划了TD{Xn}的Green关系和正则元,并得到了TD{Xn}的一些子集的基数计算公式.     

矩条件下NA随机变量的强极限定理

令{X,Xn,n≥1}为同分布的NA随机变量序列,{an,n≥1}是一正常数序列且an/n↑.讨论了{X,Xn,n≥1}的强大数定律和完全收敛性,得到了与条件∞∑n=1P(|X|an)∞等价的结果.另外,该结果推广了关于两两独立同分布序列的相应结果.     

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．