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 .     

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.     

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.     

连续随机序列样本熵的强偏差定理

设{Xn,n≥1}是连续随机序列,其联合分布密度为gn（X1,…,Xn）,fk（Xk）是Xk的边缘分布密度。利用关于乘积分布密度nПk=1 fk（Xk）的相对熵和相对熵率的概念,建立了连续随机序列关于样本微分熵的一类强偏差定理。     

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.     

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.     

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.     

随机环境中1维紧邻随机游动首达时渐近性质

随机环境q中1维紧邻随机游动{Xn,n≥0},其首达时Tn,n≥0及其差序列{τn},n≥1的0-律、大数定律成立的条件对应着μ-随机环境q的一个特征量的不同的取值范围.