次线性期望空间下END列Jamison型加权和的几乎处处收敛性

利用截尾的方法,考虑次线性期望空间下广义负相依(END)随机变量序列Jamison型加权和的几乎处处收敛问题,得到了次线性期望空间下END随机变量序列Jamison型加权和的几乎处处收敛性.将概率空间下END随机变量序列Jamison型加权和的几乎处处收敛拓展到了次线性期望空间下,推广了Jamison定理.     

次线性期望空间下END列加权和的几乎处处收敛性

利用与概率空间不同的研究方法, 在Choquet积分存在的条件下, 研究次线性期望空间中广义负相依（END）随机变量序列加权和的几乎处处收敛性, 得到了几乎处处收敛性定理, 从而把该定理从传统概率空间扩展到次线性期望空间.     

m-END误差下回归模型加权估计的相合性

m-END随机变量是一类很弱的负相依随机变量,它包含了NA随机变量、NOD随机变量和END随机变量。本文基于误差为m-END序列,研究非参数回归模型未知参数的加权估计,获得了加权估计的收敛性,包括矩相合性收敛速度和完全相合性收敛速度。作为应用,给出非参数回归模型未知参数近邻权估计的矩相合性收敛速度和完全相合性收敛速度。     

次线性期望空间下广义ND列加权和的完全收敛性

研究次线性期望空间下广义ND列加权和的完全收敛性,在随机变量的p阶上积分存在条件下,将概率空间中广义ND列加权和的完全收敛性推广到了次线性期望空间.     

次线性期望空间下广义负相依序列加权和的完全收敛性

研究了次线性期望空间下随机变量序列的完全收敛性,利用广义负相依序列的性质,在随机变量的λ经典概率空间中独立序列的结果.     

一类随机变量的概率不等式及几乎处处收敛性

从一个常用的概率不等式出发,在一定的矩限制条件下,得到一个随机变量序列的Hajek-Renyi型不等式,并应用此不等式证明随机变量序列部分和的几乎处处收敛性,同时给出随机变量序列部分和的推广性质和收敛速度,可以证明论文的结论优于文[1]的主要结论.最后应用到随机变量序列收敛性的证明,从而推广了随机变量序列的一些收敛性质.     

次线性期望空间下END序列加权和的完全收敛性

以次线性期望空间下的指数不等式为研究工具,在1/α+1/β=1/p, C_(-overV)(|X|^rp)<∞的条件下,根据此指数不等式,将传统概率空间中随机变量序列加权和的完全收敛性,推至次线性期望空间。     

END随机变量序列加权和的完全收敛性（英文）

主要研究了END随机变量序列加权和的完全收敛性.在适当的权系数条件下以及适当的矩条件下,建立了END随机变量序列加权和的完全收敛性结果.所得结果推广了独立序列和负相依序列的相应结果.     

_-混合序列的几乎处处收敛性

文章讨论了-混合序列的几乎处处收敛性,把独立同分布随机变量序列的相应结果较好地推广到同分布~ρ-混合序列,从而得到了若干个关于-混合序列的几乎处处收敛定理.     

m-END随机变量阵列加权和的完全收敛性

主要研究m-END随机变量阵列的完全收敛性,给出证明完全收敛性的一些充分条件.作为应用,得到了mEND随机变量阵列的Marcinkiewicz-Zygmund型强大数定律.所得结果推广了独立变量和若干相依变量的相应结果.     

NOD序列加权和的完全收敛性

NOD随机变量是一类包含NA随机变量的更为广泛的随机变量类.本文主要研究了NOD序列加权和的完全收敛性,证明了一般双下标加权系数的加权部分和的完全收敛性.     

ρ~--混合序列部分和乘积的几乎处处中心极限定理的注记

设{X_n,n≥1}是一严平稳的ρ~--混合随机变量序列,利用矩不等式及加权和的中心极限定理,得到了一般权重下ρ~--混合序列部分和乘积的几乎处处中心极限定理.     

矩条件下随机序列部分和的几乎必然收敛性

设{Xn,n≥1}是任一随机变量序列．通过研究矩条件下任意随机变量序列部分和的几乎必然收敛性的问题,利用William F．Stout在二阶矩条件下获得的随机变量序列几乎必然收敛的定理,从而得到了两种矩条件下随机变量序列部分和的几乎必然收敛性的充分条件．     

AANA序列加权和的完全收敛性和矩完全收敛性

研究AANA随机变量序列加权和的完全收敛性和矩完全收敛性,利用AANA序列的Rosenthal型不等式,得到了AANA序列加权和的矩完全收敛性及完全收敛性的若干充分条件和必要条件.     

次线性期望空间下Marcinkiewicz型加权和的完全收敛性（英文）

研究了满足矩条件为E(|X|β)∞,β=max(α,γ),其中0α≤2,γ0且α≠γ情形下的次线性期望空间中END序列加权和的完全收敛性.对前人工作的相应结果进行了改进,并将其推广到了次线性期望空间下END序列加权和的情形.     

子序列法应用条件的改进

子序列法是在大数定理及其相关的收敛性证明中常使用的一种重要方法, 主要应用在随机序列和的强收敛性定理证明中. 本文将子序列法的应用条件从原有的独立序列扩展到某种意义上的正交序列, 并给出了对一般随机变量序列所构成的级数的几乎处处收敛方法.     

NA随机变量序列加权和的完全收敛性

利用截尾法和矩不等式,证明一般情况下NA随机变量序列加权和的完全收敛性,推广独立随机序列加权和的完全收敛性.     

NSD随机变量加权和的强收敛性及应用

文章主要研究负超可加相依(negatively superadditive dependent,NSD)随机变量序列的强收敛性。利用NSD随机变量序列的Rosenthal型极大值不等式建立了NSD随机变量序列加权和的完全收敛性,并且在同样的条件下得到了较完全收敛性更强的完全矩收敛性的结果,所得结果推广并改进了负相协(negatively associated,NA)序列相应的结果。作为主要结果的应用,该文进一步得到了关于NSD随机变量加权和的强大数律并给出了数值模拟。     

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。     

混合序列的收敛性质(英文)

设{Xn,n≥1}为混合序列.利用随机变量的截尾方法,研究了混合序列的几乎处处收敛性,并得到一些新的结果,推广和改进了独立序列的相应结果,而且并不需要另外增加其他条件.