负相关随机变量加权和的矩完全收敛性

概率极限理论是概率论的主要分支之一,是概率统计学科中非常重要的理论基础;经典的极限理论是以独立随机变量为主要研究对象,但实际大部分随机变量是非独立的,负相关随机变量序列就是相依随机变量序列中的一类典型且应用广泛的随机变量序列,针对负相关随机变量加权和序列的极限问题,应用负相关序列、截尾和矩不等式等知识,推广了负相关随机变量加权和的矩完全收敛性,并给出了一个NA随机变量完全矩收敛的线性过程,所得结果改进了的相应结果。     

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．     

NOD随机变量序列加权和的矩完全收敛性

在分析NOD随机变量序列加权和的矩完全收敛性的基础上,利用一些矩不等式及截尾等处理方法,将矩条件推广到更具一般化的情况,并由此证明NOD随机变量序列加权和的矩完全收敛性的充分性,同时深化和推广了一些现有文献的结论。     

两两PQD随机变量序列的一个强大数律

利用随机变量的截尾方法和两两PQD随机变量序列的矩不等式,得到两两PQD随机变量序列的一个强大数定律,推广若干已有的结果.     

ρ~-混合序列完全矩收敛的精确渐近性

设{X_n,n≥1}是一列严平稳的ρ~-混合随机变量序列,利用ρ~-混合随机变量序列的中心极限定理和矩不等式等,在适当的条件下给出ρ~-混合随机变量序列部分和在一般对数律下的完全矩收敛精确渐近性的一般函数式.     

一类随机变量部分和极大Serfling不等式及其应用

利用Serfling不等式得到了一类随机变量序列的矩不等式,然后运用这些矩不等式探讨了相应随机变量序列部分和的大偏差和强收敛性,所获结论推广和改进了相关文献已有结果.     

随机变量的截尾与任意B值随机变量序列的强收敛性

利用随机变量的截尾方法研究任意B值随机变量序列的性质，建立了一类矩条件下任意B值随机变量序列的强极限定理．     

两两NQD序列部分和的大偏差及加权和的收敛性

利用NQD随机变量序列的矩不等式和极大值不等式,讨论了NQD随机变量序列部分和的大偏差原理以及加权和的收敛性。     

m-NA随机变量序列的完全收敛性

本文通过研究得到了m-NA随机变量序列关于最大部分和的概率不等式及矩不等式,进而研究并得出m-NA随机变量序列的完全收敛性。     

随机变量阵列加权和的r阶矩完全收敛性

独立同分布变量序列和相依变量序列的收敛性质研究一直是概率极限理论的研究热点。本文研究了随机变量阵列加权和的r阶矩完全收敛性。利用Marcinkiewicz-Zygmund不等式或Rosenthal型不等式和截尾法，获得了随机变量阵列加权和的r阶矩完全收敛的一般条件。同时，结合这些一般条件推广和改进了独立同分布或相依随机变量序列矩完全收敛性的相关成果。     

非独立随机变量部分和的矩不等式

本文在随机变量分别是鞅差序列、m—相依序列和局部广义高斯序列的条件下,得到了非独立随机变量部分和的P价绝对矩不等式。     

φ-混合随机变量序列加权和的完全收敛性及完全矩收敛性

【目的】对φ-混合随机变量序列的完全收敛性和完全矩收敛性进行讨论。【方法】利用φ-混合随机变量序列的Rosenthal型极大值不等式。【结果】建立了φ-混合随机变量序列加权和的完全收敛性,并且在同样的条件下得到了φ-混合序列的完全矩收敛性。【结论】所得结果推广并改进了已有文献中关于NA序列相应的结果。     

NA随机变量序列的强大数定律

研究了NA随机变量序列的强大数定律,利用推广的Borel-Cantelli引理,讨论一般矩条件与强大数定律之间的关系,作为推论,得到了p阶矩与强大数定律等价,最后给出了NA随机变量序列的Feller强大数定律.     

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.     

φ混合序列的完全矩收敛性

主要利用φ混合序列的矩不等式和随机变量的截尾技术,在适当的矩条件下,研究了φ混合序列的完全矩收敛性。本文的结果推广了独立序列和已有文献关于φ混合序列的相应结果,同时也将φ混合序列的完全收敛性改进到完全矩收敛性。     

WOD随机变量序列加权和完全收敛性及其应用

随机变量序列是概率极限理论重要研究的内容，由于随机变量序列独立的条件已经不满足日常生活和科学研究的实际要求，相依随机变量序列被提出.其在风险预测、地质勘测、保险等领域应用非常广泛，宽相依(widely orthant dependent, WOD)随机变量序列是一种常见的相依随机变量序列.采用随机变量尾截技术，结合运用新的矩不等式证明研究WOD随机变量序列加权和完全收敛性，且将其结果应用到非参数估计当中具有重要意义.     

AANA序列加权和的完全收敛性和矩完全收敛性

研究AANA随机变量序列加权和的完全收敛性和矩完全收敛性,利用AANA序列的Rosenthal型不等式,得到了AANA序列加权和的矩完全收敛性及完全收敛性的若干充分条件和必要条件.     

任意随机变量序列强极限定理的一个推广

利用随机变量的截尾方法和Doob鞅收敛定理，研究了任意随机变量序列的性质，得到了一类矩条件下任意随机变量序列的强极限定理，推广了与此相应的一些结果．     

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.     

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.