强φ-mixing变量和的收敛定理

若强φ-mixing序列{Z_i,i≥1}有Esup■|Z_i|=0(1),n→∞,S_n为L_1-收敛,n→∞。则S_n,a.s.收敛。     

ρ-混合序列VaR核估计的强收敛性和Bahadur表达

在ρ-混合序列下,运用矩不等式讨论VaR核估计■p,h的强收敛性和Bahadur表达,得到2个a.s.收敛定理.     

一般正项随机级数收敛的判别准则

运用不等式P(X≥λEX)≥(1-λ)2E2X/EX2,(X∈L2(Ω),0<λ<1)讨论了一般正项随机级数(不要求独立性)的收敛性,得到了简明的判别准则,然后应用此判别准则研究了一般随机泰勒级数a.s.收敛半径等,得到了较好的结果.     

样本的k阶中心绝对矩的依概率收敛性证明

利用辛钦大数定律和随机变量序列依概率收敛的性质,通过不等式的放缩技巧,给出了样本的k阶中心绝对矩依概率收敛于总体的k阶中心绝对矩的证明.     

Lp空间上依测度收敛与依范数收敛的关系

Lp空间中的函数列{nf(x)}依测度收敛与依范数收敛的基本关系是:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)a.e于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

Szász算子的收敛速度的估计

本文对[1]及[2]中所给的概率型算子Szász算子S_n(f,x)的收敛速度的估计在Poisson分布下作进一步的改进,得到更精确的系数估计。     

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。     

统计收敛意义下的Slutsky定理

引入统计依概率收敛和统计依分布收敛,比较了统计依分布收敛和一般意义下的依分布收敛之间的关系,并证明了统计收敛意义下,Slutsky定理仍然成立,这为建立统计收敛下的概率极限理论奠定了基础.     

随机过程的广义收敛性

给出了一个随机过程{Xt}依概率收敛的充要条件,同时也证明了与{Xt}同极限的几乎处处收敛的随机过程{Yt}也有相同的结论.因此在很多情况下,人们将{Yt}化为{Xt}来研究{Yt}的收敛性;而在其他情况下(除了假设{Xt}与{Yt}是a.s.等价外),人们就要研究{Yt}的一个序列的收敛性.此种处理方法为处理大量旧的与新的分支过程提供了一个一致逼近的途径.     

关于ω阶Euclid模

左R-模M称为ω阶Euclid模,如果对任何a,b∈M,a≠0,存在k阶可除链(k∈N),使得ф(mk)<ф(a),其中ф:M→NU{0}且满足:ф(m)≥0对任何m∈M;ф(m)=0当且仅当m=0.文章证明了:ω阶Euclid模存在着有限的可除链;每一个单模是ω阶Euclid模且ω阶Euclid模的子模是循环的;ω阶...     

大维样本协方差矩阵谱分布收敛速度的一个注记

提高了在有限八阶矩条件下,p×n维大维样本协方差矩阵谱分布收敛到Marcenko-Pastur分布的速度.特别,如果样本维数比率y=yn=p/n接近1,p×n维大维样本协方差矩阵谱分布的期望收敛到极限分布的速度,改进为O(n-1/6).相似在y接近1的条件下,依概率收敛和几乎处处收敛速度为Op(n-1/6)和Oa.s.(n-1/6).     

随机变量的依概率统计收敛

在一般的概率空间中借鉴依概率统计收敛的定义,讨论了依概率统计收敛的一些重要问题,得到了一些系统的结论.     

关于序列Mackey收敛的进一步讨论

从序列的Mackey收敛概念出发,引入极拓扑TM的概念,并研究了乘积拓扑[(T1×T2)M]a和[(T1×T2)M]0的分解问题,得到[(T1×T2)M]a=(T1M)a×(T2M)a和[(T1×T2)M]0=(T1M)0×(T2M)0的结果.     

随机变量序列几乎必然收敛的若干等价命题

由随机变量序列几乎必然收敛可推出其依概率收敛,进而可推出其依分布收敛,可见判别几乎必然收敛的重要性。本文将给出它的几个等价命题,同时还证明了独立随机变量和序列几乎必然收敛等价于依概率收敛,亦等价于依分布收敛。     

NA阵列的收敛性

建立了NA阵列的一个概率不等式及相关的矩不等式,研究了NA随机变量阵列的依概率收敛性、完全收敛性和几乎处处收敛性.     

随机变量序列四种收敛的若干性质及其四则运算

以数列收敛的一些性质为依托,证明了随机变量序列的依概率收敛、几乎处处收敛、r-阶收敛及依分布收敛这四种收敛的极限存在的充分必要条件、存在准则,并得出:依概率收敛和几乎处处收敛与数列收敛性质一样,可以进行四则运算,而r-阶收敛只能进行加减运算,依分布收敛则不能进行四则运算。     

一类半参数回归模型中M估计的收敛速度

考虑半参数回归模型yi=xTiβ0+g(ti)+ei,i=1,2,…,n。其中,β0是未知参数,g是未知函数。当g的估计取一类非参数权估计(包括核估计和最近邻估计)时,文章讨论了参数β0的M估计β0的强收敛速度和未知函数g的估计g*n(t)的一致强收敛速度,从而得到β0-β0=O(n-1/2(logn)1/2)　a.s.和sup|g*n(t)-g(t)|=O(n1/3logn)　a.s.。0≤t≤1     

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。     

模糊数列关于序β几乎理想λr-统计收敛和强几乎理想λr-收敛

基于理想统计收敛的新途径,构建了λ_r-统计收敛和几乎统计收敛的框架,分别定义了模糊数列关于序β几乎理想λ_r-统计收敛和强几乎理想λ_r-收敛,给出了模糊数列几乎理想λ_r-统计收敛而非统计收敛的具体算例,说明了新定义的理想统计收敛条件更弱、范围更广.并研究了两种收敛的相关性质.同时,讨论了模糊数列空间■_β(M,r,λ)和空间■_β(λ),■_β(M,r,λ)之间的包含关系,得到了更为广泛的模糊数列理想统计收敛和强理想收敛的数列空间.     

随机变量列的收敛性及其相互关系

给出了随机变量列的依概率收敛、依分布收敛、几乎必然收敛的定义,举例说明了其应用,并研究了三种收敛性之间的相互关系.