基于加权g-期望的Jensen不等式,矩不等式与大数定律

在g-期望的基础上提出加权g-期望ε^λ_g ［·］的概念。证明了当生成元g关于y非增且关于(y,z)满足正齐次性时, 基于加权 g-期望的矩不等式一般成立。 在λ≥1/2 且生成元g不依赖于y的条件下, 在g关于z满足超齐次性时, 建立了基于加权g-期望的Jensen不等式; 当g关于z满足次线性时, 建立了基于加权g-期望的大数定律。     

次线性期望下的大数定律及应用

得到了一致可积条件下次线性期望的大数定律,并考虑了此结果在金融中的应用。特别地,考虑了在g-期望中的应用并得到一些极限性质。     

g期望的一种Kolmogorov不等式

借助于当生成元g满足限制条件时的g 方差比较定理,得到了g 期望的一种Kolmogorov不等式表达形式。结果表明它类似于古典Kolmogorov不等式的形式,推广了古典Kolmogorov不等式。     

可交换随机变量序列加权和的另一个大数定律

将独立同分布情形下的Marcinkiewicz型强大数定律推广到了可交换随机变量,得到了可交换随机变量加权和的一个强大数定律.     

随机弱大数定律和弱大数定律的充要条件

讨论了任意随机变量序列的弱大数定律,得到了随机变量序列分别服从随机弱大数定律和弱大数定律的充要条件,以及独立随机变量序列服从弱大数定律的相关结果.     

基于g期望的Minkowski不等式

为了证明g期望的Minkowski不等式,在g满足次线性条件下,针对非负生成元,利用比较定理和Young不等式,介绍了g期望的H(o)lder不等式;然后借助于该不等式证明了对于任意平方可积随机变量,当g满足次线性条件且为正值生成元时,g期望的Minkowski不等式成立.     

经验过程的欧拉弱大数定律

得到了经验过程的一般加权和对称化不等式及欧拉加权系数的性质。利用这个对称化不等式及欧拉加权系数的性质，研究了经验过程中的独立同分布随机元序列的欧拉可求和性，得到了经验过程的欧拉弱大数定律成立的充分条件，建立了实值情形下的结果在经验过程中的相应形式。     

B值随机元阵列加权和的收敛性与大数定律

令｛Ｘｎｉ，１≤ｉ≤ｋｎ↑∞，ｎ≥１｝为Ｂ值随机元阵列，｛ａｎｉ，１≤ｉ≤ｋｎ，ｎ≥１｝为实数阵列。讨论加权和Ｓｎ＝Σ↑ｋｎ↓ｉ＝１ａｎｉＸｎｉ，ｎ≥１的收敛性。在条件ｓｕｐ↓ｎ，ｉＰ（‖Ｘｎｉ‖〉ｘ）＝０（ｘ＾－ｒ）下给出了一些收敛性结果（１≤ｒ〈ｐ≤２），同时用这种收敛性刻划了Ｂａｎａｃｈ空间的ｐ型性质。     

基于g期望的二元Jensen不等式

利用Girsanov变换,证明了当g是线性生成元时,g期望等价于经典的数学期望,此时,g期望关于一般二元凹函数的Jensen不等式成立,然后采用生成元表示定理,得到了若g期望关于一般二元凹函数的Jensen不等式成立,则生成元是线性的;最后证明了当且仅当g是次线性生成元时,g期望关于二元单调递增凹函数的Jensen不等式成立.     

两两NQD列部分和的不等式及弱大数律

对两两NQD列的部分和Sn，通过建立其尾概率不等式，得到了Sn的p阶矩的上界估计和Sn尾概率的指数上界，对不同分布两两NQD列，研究了服从弱大数律的充分条件，使独立同分布情形的相应结果成为推论或特例。     

一个推广的Borel强大数定律的改进

Borel通过研究Bernoulli试验,首先给出了其强大数定律,已有文献给出了一个推广的Borel强大数定律.作者改进了这个结果,将其中的条件dn=O(1/n)减弱为dn=O(1/nα),α>0.另外,将此结果推广到有界的随机变量序列的情形,给出其Borel强大数定律.     

关于经典强大数定律的一点注记

有关概率论的教科书给出了∞∑n=1 E｜Xn｜^p/a^p n〈∞条件下的经典强大数定律，且要求r.v.绝对矩的阶数p在（0，2]之间，但对于绝对矩阶数P〉2的情形，不能得到相应的结论研究了矩的阶数p〉2的情形，得到了∞∑n=1 E｜X｜^2r/a^r＋1 n〈∞，且r〉1条件下独立r.v.序列的一类强大数定律．     

B值渐近鞅的大数定律的一个注记

利用B值渐近鞅的Doob分解定理，研究了B值渐近鞅的大数定律，它们是鞅的有关结论的推广和改进。     

非独立不同分布的随机变量序列的强大数定律

将柯尔莫哥洛夫强大数定律推广到不独立不同分布的情形     

关于乘积泊松分布的强大数定理

利用文献[1]刘文教授提出的研究强极限的纯分析方法,通过构造适当的辅助函数,然后利用单调函数导数存在定理,给出具有乘积泊松分布的随机变量序列的一个强大数定理的新证明.     

可信性空间上关于模糊变量的强大数定律

目前,关于强大数定律的研究仍集中在概率测度(可加性测度)空间上。但是,概率测度的可加性条件太强,限制了强大数定律的研究范围。为了扩大其研究范围和应用领域,强大数定律将被推广到一种非可加测度空间——可信性空间上进行研究。可信性测度是一种比概率测度更广泛的、自对偶的测度,它的性质将得到更进一步的讨论。利用概率论中类似的方法,在可信性空间上给出依可信度1收敛的概念、重新提出基于模糊变量的强大数定律的定义;进而提出并证明强大数定律的相关引理;最后给出强大数定律的证明,从而获得了可信性空间上关于模糊变量的强大数定律。这一工作扩大了强大数定律的研究范围,达到了推广强大数定律应用领域的目的。     

相协随机变量部分和的几乎处处收敛性和强大数定律

文章基于相协随机变量序列的Hajek-Renyi不等式和事件序列的Chung-Erdos不等式,利用Krone-cker引理和Borel-Cantelli引理,给出相协随机变量序列部分和的几乎处处收敛性和强大数定律型的结果,推广和改进了吴爱娟论文中定理2和定理3的结果。作为其特例,得到了独立情形下经典的Kolmogorov强大数定律。