中心极限定理介绍

对中心极限定理作了简明的介绍,包括独立同分布样本的经典中心极限定理,独立但不同分布的Lindeberg—Feller中心极限定理和m-相依序列的中心极限定理。特别对m一相依序列中心极限定理,给出了一个新的、更为简单易懂的证明。还讨论了对经典中心极限定理的近似的改进,包括Berry—Essen界和Edgeworth展式。     

B值m相依随机元序列的中心极限定理

讨论B值m相依随机元序列的中心极限定理,给出其成立的一个充分条件,并研究空间型与B值m相依随机元序列中心极限定理的关系．     

ND序列的中心极限定理

讨论同分布ND序列的渐进正态问题,给出ND序列的中心极限定理,在NA的基础上得到了ND条件下同样的结果,并通过加进数列有界的控制,使得中心极限定理的证明过程得到进一步简化.     

α-弱相依序列加权和的几乎处处中心极限定理

设{Xn,n≥1}为一零均值有界的α-弱相依序列,满足∑∞i=1θi<∞;{ani,1≤i≤n,n≥1}为一实值三角阵列;令Sn,k=∑ki=1aniXi,1≤k≤n.利用随机变量加权和的弱收敛定理与Borel-Cantelli引理,在适当的假设条件下,给出了非平稳有界的α-弱相依序列加权和Sn,n的几乎处处中心极限定...     

可换序列条件中心极限定理之收敛速度

设{X_n,n≥1}是可交换序列,满足中心极限定理。本文估计条件中心极限定理的收敛速度,即估计sup|P(S_n≤x√(?)|A)-φ(x)|,其中S_n是部分和。     

随机变量序列的几个极限定理

利用停时技术的方法,研究了随机变量序列的一类极限定理。作为推论,得到了若干经典的独立随机变量序列的极限定理和一类鞅差序列的极限定理。     

独立随机变量序列部分和乘积的几乎处处中心极限定理

利用子序列方法获得了独立随机变量序列部分和乘积的几乎处处中心极限定理的更优结果, 改变了已有相关定理中的权, 使权系数更大.     

B值m相依随机元序列的随机指标中心极限定理

讨论B值m相依随机元序列的随机指标中心极限定理, 给出其成立的一个充分条件, 同时给出当B是2型空间时随机指标中心极限定理.     

随机变量序列与其对称化序列之间服从中心极限定理的关系

在一定条件下，若随机变量序列服从中心极限定理，则其对称化的随机变量序列也服从中心极限定理。在某些限制条件下，其逆命题也成立。     

The functional central limit theorem for strong near-epoch dependent random variables

The functional central limit theorem for strong near-epoch dependent sequences of random variables is proved.The conditions given improve on previous results in the literature concerning dependence and heterogeneity.     

一个随机动力系统中的中心极限定理

建立了一个适用于随机动力系统的特殊的中心极限定理.此定理是随机动力系统遍历理论中的一个新结果,可以用来分析某些双曲系统的随机轨道的分布,并进一步研究随机稳定性.     

NA列自正则某些部分和乘积的几乎处处中心极限定理

设{X,Xn}n∈N是平稳正的负相关(negatively associated,NA)随机变量序列,证明自正则某些部分和乘积k(k∏(Sk,i/((k-1)μ)))μ/(βVk)的几乎处处中心极限定理,其中β0为一常数,E(X)=μ,Sk,i=∑Xj-Xi,1≤i=1j=1k i≤k,V2k=∑(Xi-μ)2。获得的结果不仅将其权重进行了推广而且也扩大了随机变量的范围。     

随机域最大值的几乎处处中心极限定理

设{Xi;i∈Nd,d≥2}为独立同分布的随机域,在协方差满足一定条件下,研究独立同分布的随机域最大值的几乎处处中心极限定理,获得权重为加权函数形式的几乎处处中心极限定理.     

关于中心极限定理收敛速度的一个不等式

利用已知的不等式,通过构造一类特殊的函数,推广了某个经典结果:设{Xn:n≥1}是零均值独立r.v.序列,若∈Θ,使得E(X2i(Xi))<∞,其中Θ={(x):(x)是非负偶函数;且(x)、x/(x)在(0,+∞)上单调不减},则存在正常数K,使得supxFn(x)-Φ(x)≤B2n(KBn)∑i=n1E(x2i(xi)).使之及某些已知结果成为本文的特例.     

Functional limit theorem for moving average processes generated by dependent random variables

Let ｛Xt,t≥1｝ be a moving average process defined by Xt=∑∞j=0bjξt-j, where ｛bj,j≥0｝ is a sequence of real numbers and ｛ξt,-∞＜t＜∞｝ is a doubly infinite sequence of strictly stationary ?-mixing random variables. Under conditions on ｛bj,j≥0｝ which entail that ｛Xt,t≥1｝ is either a long memory process or a linear process, we study asymptotics of Sn(s)=∑［ns］t=1Xt (properly normalized). When ｛Xt,t≥1｝ is a long memory process, we establish a functional limit theorem. When ｛Xt,t≥1｝ is a linear process, we not only obtain the multi-dimensional weak convergence for ｛Xt,t≥1｝, but also weaken the moment condition on ｛ξt,-∞＜t＜∞｝ and the restriction on ｛bj,j≥0｝. Finally, we give some applications of our results.     

负、正相协随机变量列的更新定理

基本更新定理告诉我们 :若 {Xi:i≥ 1}为正值独立同分布随机变量列 ,随机变量Nt=inf :n :t<∑nk=1Xk ,那么有 ENtt → 1EX1,t→∞ .我们注意到这里独立性是一个很强的条件 ,在本文中我们将用更广泛的负、正相关性来代替独立性这个条件 ,获得了一些类似的结果     

关于随机变量序列的无规则性定理

引入了似然比作为任意随机序列与独立序列差异的一种度量。将无规则性定理推广到任意相依整值随机变量序列情形，用文献[2]的方法，给出一种新的区间剖分法来构造适当的较，然后利用Doob关于鞅几乎处处收敛定理，得到了任意整值随机序列无规则性(随机选择)若干强极限定理。     

二值随机变量序列加权和的极限定理

利用相依二值随机变量序列相对于独立分布的随机比较系数的概念 ,讨论了二值随机变量序列加权和的极限定理