同分布ψ-混合随机变量线性形式的强稳定性

研究了同分布啦混合随机变量线性形式的强稳定性,通过对随机变量运用截尾术得到了同分布ψ-混合随机变量具有强稳定性的充分条件,此结果在某种程度上推广了独立随机变量的相应定理。     

一类负相依随机变量序列线性形式的强稳定性

研究一类负相依随机变量序列线性形式的强稳定性,得到这类不同分布随机变量序列具有线性形式强稳定性的充分条件.     

α-混合随机变量序列线性形式的强稳定性

研究了α-混合随机变量序列线性形式的强稳定性.利用随机变量的截尾术及强大数定律,得到了不同分布α-混合随机变量序列具有线性形式强稳定性的充分条件,在某种程度上推广了独立随机变量的线性形式的强稳定性的相应结果.     

强平稳NA序列的随机指标中心极限定理

讨论了强平稳NA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.     

NQD样本最近邻密度估计的一致强相合速度

设X1,X2,…,Xn是同分布的两两NQD样本,具有相同的密度函数f（x）,利用两两NQD序列的Bernstein型不等式,将负相关（NA）样本的最近邻密度估计的一致强相合速度推广到两两NQD样本,在更弱的条件下,获得了与NA样本情形下相同的结论.     

混合序列线性形式的强稳定性

研究混合序列线性形式的强稳定性,得到混合序列具有线性形式强稳定性的充分条件.     

ρ混合序列线性形式的强稳定性

研究ρ混合序列线性形式的强稳定性,得到ρ混合序列具有线性形式强稳定性的充分条件．     

不同分布NA列的加权和的强极限定理

讨论了不同分布NA列Stout型加权和的完全收敛性和强稳定性.一些文献中对NA列加权和的完全收敛性的结论中要求函数单调,为了扩大定理的应用范围,运用讨论NA阵列加权和的完全收敛性的方法,证明了即使在函数有界的条件下NA列加权和仍是完全收敛的,使得定理得到进一步推广.     

删失数据下NA样本核密度估计的相合性

在｛Xn;n≥1｝和｛Yn;n≥1｝是相互独立的同分布NA随机变量序列的情形下,研究了随机删失数据下概率密度函数的核估计,获得了此核估计的逐点强相合性和一致强相合性。     

NA列随机加权和的完全收敛性

利用截尾法和NA随机变量列的性质讨论了关于随机加权和Sn=n∑j=1Wjxj的3种不同形式的完全收敛性,得到了同分布NA列随机加权和完全收敛的若干充分条件.     

负相协随机变量列的强大数律

负相协(NA)随机变量是一包含独立随机变量的有广泛应用的随机变量类, 对于独立随机变量情形, Teicher给出了一类强大数律. 本文应用NA随机变量的概率不等式, 在更弱的条件下, 对具有不同分布的NA随机变量列建立了有关强大数律的定理, 进而将Teicher的结果推广到NA随机变量.     

行为ND随机变量阵列加权和的完全收敛性

在非同分布的情况下, 给出了行为ND随机变量阵列加权和的完全收敛性的充分条件, 所得结果部分地推广了独立随机变量和NA随机变量的相应结果. 作为其应用, 获得了 ND随机变量序列加权和的Marcinkiewicz-Zygmund型强大数定律.     

NA序列部分和的收敛性质

利用随机变量的截尾方法及NA序列的三级数定理,研究了NA序列的性质,得到了矩条件下NA序列的一类强极限定理,并给出一些应用,从而推广了若干经典的强大数定理.     

NA随机变量加权和的强大数律

研究了NA列加权和的Marcinkiewcz-Zygmund强大数律,推广了强大数律的结果．     

-混合序列的强大数律和收敛速度

对于正相协和负相协随机变量序列,许多学者都进行了研究,并给出相关结果.受前人研究成果的启发,利用一般方法证明了-混合序列的强大数定律,并且得到了它的收敛速度和上确界的可积性.     

混合随机变量序列线性形式的强稳定性

利用随机变量的截尾术及强大数定律, 得到了混合随机变量序列具有线性形式强稳定性的充分条件.     

同分布NA随机变量一类加权和的强大数律

在权阵列{ani：1≤i≤n,n≥1）满足Aα=lim sup n→∞（1/n∑i=1^n｜ani｜^α）^1/α〈∞的条件下,得到了高阶矩存在的同分布NA随机变量加权和的强大数律．