算术—几何平均不等式的积分证法

本应用n重积分给出算术——几何平均不等式的一个简捷证明。     

关于条件期望的几乎处处收敛性

对条件期望的几乎处处收敛性给出一个较为一般的定理,使得原先的一些结果成为证明非常简洁的推论,另外对均值下鞅也给出了一些条件期望收敛性的结果．     

算术－几何平均不等式的新证明

对著名的算术－几何平均不等式从摄动的角度出发给出一个新的证明方法。     

关于双条件期望的几乎处处收敛性

引进了B值随机变量及可测集Γ的双条件期望的概念,对双条件期望的几乎处处收敛性给出一个较为一般的定理,使原来的结果更为简洁,使用起来更方便.     

广义矩阵迹的算术—几何平均不等式

对于C*-代数A,C*-代数Mn(A)上矩阵迹是一个正线性映射τ:Mn(A)→A,满足τ(u*au)=(τa)(a∈Mn(A)),u∈U(Mn(A))和τ(a2)≤(τ(a))2(a≥0)。在讨论这种矩阵迹的性质的基础上,得到几个算术-几何平均不等式。     

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。     

一般随机变量序列强大数定律

将独立同分布情形下的强大数定律进行了推广,指出一般随机变量序列若满足∑∞n=1B2n/n<∞,则服从强大数定律。所给出随机变量序列强大数定律存在条件较易满足,使得定理适用范围更广。并在两两不相关且一致有界的条件下,指出对任意的α>3/4,均有(Sn-ESn)/nα几乎处处收敛于0。     

子序列方法的几个应用

本文给出了子序列方法在概率论理论研究中的两个应用。     

B值随机元的连续逼近

本文首先证明了B值随机元序列几乎处处收敛与几乎一致收敛的等价性,然后用它来证明一个关于连续函数逼近B值随机元的Lusin型定理.     

n个正数的算术—指数—对数—几何平均不等式

对两个正数的指数平均和对数平均进行了推广，得到了n个正数的指数平均和对数平均，给出了n个正数的算术-指数-对数-几何平均不等式。     

模糊值函数序列的广义Egoroff定理

在一般模糊测度空间上, 针对可测模糊值函数序列给出了(伪)几乎处处收敛和(伪)几乎一致收敛的概念, 研究了几乎处处收敛和几乎一致收敛、伪几乎处处收敛和伪几乎一致收敛的蕴涵关系, 从而获得了不同形式的模糊化的广义Egoroff定理。     

随机的算术几何平均

本文证明了在Ｂｅｔａ随机分布权重下,Ｌａｇraｎｇｅ和Ｌｅｇｅｎｄｒｅ两种算术几何平均的几乎处处收敛性,讨论了两种算术几何平均的一些性质。     

随机概率测度的弱收敛

给出了随机概率测度几乎处处弱收敛的定义及等价表示,指出了在不同拓扑下弱收敛的相互关系     

随机变量序列几乎处处收敛的几个等价命题

由随机变量序列几乎处处收敛可推出其依概率收敛，进而可推出其依分布收敛，可见判别几乎处处收敛的重要性．给出了它的几个等价命题，同时还证明了独立随机变量和序列几乎处处收敛等价于依概率收敛，亦等价于依分布收敛．     

独立B值随机元序列的Wittmann型极限定理

给出在没有附加 Ｓｎ／ａｎ Ｐ ０ 等概率条件下， 独立 Ｂ 值随机元序列的 Ｗ ｉｔｔｍ ａｎｎ 型极限定理的一般形式     

用反例证明随机变量序列各种收敛性的关系

本文用构造反倒例的方法证明了随机变量序列五种收敛性的不可逆性。     

正项随机级数的收敛性及应用

在{Xn}不要求独立或至多两两不相关情形下,运用文献[1]中已有的关于正项随机级数的收敛判别准则讨论了其他正项随机级数的收敛性,得到了较好的结果.     

强大数定律的一种推广形式

作者给出Kolmlogorov强大数定律的一种推广形式，从而可以统一的方式处理统计学中许多统计量的强相合性问题。