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.     

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.     

同分布NA序列线性形式的强稳定性

本文研究了同分布NA变量线性形式的强稳定性,得到了一般情况下同分布NA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NA列的Jamison型加权和具有强稳定性的充分条件．     

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。     

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.     

φ混合序列线性形式的强稳定性

研究了φ混合序列线性形式的强稳定性,得到了其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．     

一类随机变量序列线性形式的强稳定性

研究一类随机变量序列线性形式的强稳定性,得到这类随机变量序列具有线性形式强稳定性的充分条件.     

关于离散随机变量序列的一类强偏差定理

引入极限相对对数似然比的概念,作为离散相依随机变量序列与独立随机变量序列的偏差的一种度量,并利用它来研究离散相依随机变量序列的极限性质．引入一种全新的概率研究方法——分析法,得到了一类用不等式表示的强极限定理,即强偏差定理,其偏差界依赖于此极限相对对数似然比．作为推论得到了经典的独立随机变量序列的强大数定理,进一步发展和完善了状态空间离散有限的随机变量序列关于乘积分布的强偏差定理．     

ρ相依序列加权和的强收敛性

给出ρ相依序列加权和的强收敛性的两个充分条件。     

基于一类负相依市场下的log-最优资产组合模型

研究允许卖空的离散时间金融市场,从有风险和无风险控制两个方面得到市场满足一类负相依随机变量序列的条件下,关于log-最优资产组合的几个性质.     

NQD样本下部分线性模型中估计的强相合性

考虑回归模型：yi=xβ g(ti) σei≤i≤n,其中δ^1 i=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g和f是未知函数,随机误差序列{ei}为同分布的NQD序列．在一定的条件下,得到了β的最小二乘估计β、加权最小二乘估计β^-和最终加权最小二乘估计β^-的强相合性．     

线性I随机系统部分变元的强稳定性

运用随机线性系统的柯西矩阵及其截断矩阵 ,通过引进随机线性系统左截柯西矩阵和右截柯西矩阵 ,讨论了线性It^o随机系统部分变元的几乎必然强稳定性 ,得出了该系统只依赖于左截柯西矩阵的有界性和右截柯西矩阵的渐近性的各种a .s强稳定性 ,包括强稳定、强一致稳定、强渐近稳定、强一致渐近稳定及强指数稳定之间的等价条件 ,推广了已有文献的结果     

二重随机Dirichlet级数所表示的整函数线性增长性

研究了二重随机变量列{Xmn}在某阶矩一致有界条件下的性质，结合二重Dirichlet级数的增长性成果，得出结论：在适当条件下，二重随机Dirichlet级数∑m=1^∞∑n=1^∞amnXmn e^-λm^s-μn^t a.s。与二重Dirichletxe ovt ∑m=1^∞∑n=1^∞amn e^-λm^s-μn^t有相同的线性增长级。     

一类具变时滞细胞神经网络的全局渐近稳定性

讨论一类具变时滞细胞神经网络平衡点的唯一性和全局渐近稳定性,利用矩阵不等式,通过构造合适的Lyapunov泛函,得到了具变时滞细胞神经网络全局渐近稳定性的新的充分条件．     

随机狄里克莱级数的收敛性

利用随机变量序列的强大数定律,研究了随机变量序列{X_n}在独立(可不同分布)情形下的性质,并当随机狄里克莱级数(s=σ+it)满足 (i)M>0,1≤p≤2; (ii)00,使得,C为非零正常数等条件时,得出收敛横坐标的简洁公式。     

随机变量函数的分布问题

研究n个随机变量函数的分布问题。(1ξ,2ξ,…,nξ)是n维连续型随机变量,n元函数y=f(x1,x2,…,xn)有连续的一阶偏导数,对n个随机变量1ξ,2ξ,…,nξ的函数η=f(1ξ,2ξ,…,nξ),给出了η的密度函数φη(y)的分析式。从根本上解决了随机变量函数的分布问题。