弱鞅的一类Marshall型极大值不等式

利用H9lder不等式和弱鞅的Doob型极大值不等式,将关于弱鞅{S_n,n≥1}的Marshall型不等式推广到形如{g(S_n),n≥1}的弱下鞅情形,并给出在不同条件下弱下鞅{g(S_n),n≥1}的一类Marshall型极大值不等式,这里g是R上的不减凸函数.     

条件半鞅的极小值不等式

给出了F-半鞅和非负F-半鞅的极小值不等式,后者将序列{cnSn,n≥1}的极小值不等式推广为序列{cng(Sn),n≥1}的极小值不等式,这里{Sn,n≥1}是非负F-半鞅,{cn,n≥1}是不减的正F-可测随机变量序列,g是不减的凸函数.     

弱鞅的一类极小值不等式

在弱鞅序列{S_n, n≥1}的背景下, 给出了序列{c_nS_n, n≥1}和{c_ng(S_n), n≥1}的一类极小值不等式。 所得结论推广了已有文献中的相关结果。     

几类随机变量序列的大偏差估计

设{X_n,n≥1}是定义在概率空间(Ω,F,P)上的随机变量序列,{S_n,n≥1}是{X_n,n≥1}的部分和序列,给出了鞅差序列、φ-混合序列、p阶M-Z型随机变量序列的部分和序列以及NOD序列的部分和序列在条件■下的大偏差估计.     

鞅差序列加权和的几乎处处收敛性

基于截尾技术和一些基本不等式,研究形如n∑i=1aniXi的加权和的极限性质,得到了{Xn,n≥1}为鞅差序列时的几乎处处收敛性质,推广了{Xn,n≥1}为独立同分布的随机变量序列时的相关结果.     

NSD随机阵列加权和最大值的收敛性

利用负超可加相依(NSD)随机阵列的Rosenthal型矩不等式和截尾方法, 在随机阵列{X_nk, 1≤k≤k_n, n≥1}关于{a_nk, 1≤k≤k_n, n≥1}一致可积的条件下, 讨论NSD随机阵列加权和最大值的弱收敛、 L^r收敛和完全收敛性.     

强φ-mixing变量和的收敛定理

若强φ-mixing序列{Z_i,i≥1}有Esup■|Z_i|=0(1),n→∞,S_n为L_1-收敛,n→∞。则S_n,a.s.收敛。     

Cesàro条件下两两独立随机变量阵列的弱大数定律

本文在Cesàro条件下研究了两两独立随机变量阵列{Xnk，1≤k≤kn，n≥1}的弱大数定律。并在此结果的基础上，得到了一鞅差阵列的弱大数定律．     

φ混合序列自正则加权和的中心极限定理

设{Xn, n≥1}为一严平稳φ混合随机变量序列, EX=0, V 2n=∑ni=1X2i, {an,i, 1≤i≤n, n≥1}为一实数阵列, Sn=∑ni=1an,iXi. 利用随机变量阵列的弱收敛定理, 在较一般的条件下, 证明了自正则加权和{Sn/Vn, n≥1}的中心极限定理, 改进并推广了已有混合序列自正则化中心极限定理的相关结果.     

关于随机序列的若干强大数定律

设{,ξ1ξ,…,nξ,n≥1}是一随机序列,且{nξ,n≥1}<.ξ利用鞅差序列几乎处处收敛定理,给出受控随机序列的若干强大数定律.     

B值适应可积序列加权和的强收敛性

设{Xn,Fn,n≥1}是B值适应可积序列（或B值鞅差序列）,{an,n≥1}和{bn,n≥1}是两个正常数列,本文中研究了形如1/bn∑ni=1ai（Xi-E（Xi｜Fi-1））或（1/bn∑ni=1aiXi）加权和的强收敛性,得到了一些适当条件下加权和的强收敛性的结果.     

截断和与次序统计量之比的分布收敛

设{X_n,n≥1}为i.i.d.r.v.S.,|X_n~(1)|≥|X_n~(2)|≥…≥|X_n~(n)|为{X_i,i≤n}的次序统计量,g为(0,+∞)上正Borel可测函数。我们讨论了截断和~(r)S_n=sum from i=r+t to nX_n~(i)与次序统计量X_n~(r)的比的分布收敛,令(r)T_n=[~(r)S_n-(n-r)EX_1I{E|X_1|<+∞}]/g(|X_n(r)|),对正的常数列b_n,n≥1,我们得到了对所有的r≥1,~(r)T_n/(?)依分布收敛的充要条件。     

Cesàro条件下两两独立随机变量阵列的弱大数定律

本文在Cesàro条件下研究了两两独立随机变量阵列{Xnk,1 k kn,n 1}的弱大数定律,并在此结果的基础上,得到了一鞅差阵列的弱大数定律.     

■混合随机变量列L_p收敛性

设{Xn;n≥1}是ρ珓混合随机变量序列,{an,k;1≤k≤n}是实数阵列,利用矩不等式和截尾方法,研究n∑k=1 an,kXk的Lp收敛性,所获的结论推广和改进了前人的相关结果.     

非平稳NA序列更新过程的精确渐近性

设服务时间{X_n,n≥1}为非负非平稳负相伴(NA)随机变量序列,N(t)为由其产生的更新过程.利用NA序列部分和S_n的精确渐近性结果及S_n与N(t)之间的关系{N(t)n}={S_nt},证明非平稳NA序列更新过程的精确渐近性.     

ρ-混合序列的重对数律矩收敛的精确渐近性

假设{X_n,n≥1}为一列严平稳ρ-混合随机变量,期望为零,方差有限。设S_n=n∑i=1X_i,M_n=max1≤i≤n |S_i|。利用ρ-混合随机变量的矩不等式和中心极限定理,得到了一类ρ-混合随机变量序列部分和以及部分和的最大值重对数矩收敛的精确渐近性。     

B值m相依随机变量序列完全收敛性的精确渐进性

设{X_n;n≥1}为均值为零、方差有限的B值m相依随机变量列. 利用B值m相依随机变量列弱收敛定理讨论了{X_n;n≥1}的完全收敛性及重对数律的精确渐进性. 所得结果是实值i.i.d.随机变量序列完全收敛性及重对数律的精确渐进性质的进一步 推广.     

集值下鞅的收敛性与Riesz分解

假定（X,·）为可分的Banach空间, X^*为其对偶空间, X^*可分. 设(Ω,B,P)为完备的概率空间, {B_n, n≥1}为B_n的上升子σ域族, 且B=∨B_n, 首先研究了支撑函数的几个性质, 利用支撑函数及实值鞅（上鞅、 下鞅）的收敛定理与Riesz分解定理, 证明了集值下鞅在弱收敛意义下的收敛定理, 在此基础上, 给出集值下鞅可Riesz分 解的一个充要条件.     

非负WOD随机变量的第k小矩不等式

设{x_n,n≥1}为正数序列,{ξ_n,n≥1}为非负的WOD随机变量序列,其分布满足适当的条件.首先利用WOD随机变量的定义建立最小值min1≤i≤nx_iξ_i的一个指数不等式.利用此指数不等式,进一步研究非负WOD随机变量的第k小(E(k-min1≤i≤n|x_iξ_i|~p))~(1/p)的矩不等式,其中p0,k=1,2,…,n.本文中所得结果推广独立变量和NOD变量的相应结果.     

由鞅差序列生成的线性过程的Baum-Katz大数定律的精确渐近性

主要讨论了线性过程Xt=∑∞j=0ajεt-j,其中{εt,Ft;t∈Ζ}是均值为零,方差有限的平稳鞅差序列,aj,j∈Ζ是绝对可和的实数序列.令Sn=∑nt=1Xt,n≥1,在适当矩的条件下,利用部分和Sn的收敛性,对于1≤p2,若supj≥1Eεjδ＆lt;∞,证明了∑∞n=1nr/p-2P｜Sn｜≥εn1p,∑∞n=1n-1/P｜Sn｜≥εn1/p当ε→0时的精确渐进性.在鞅差序列的前提下,进一步推广了线性过程的Baum-Katz大数律的精确渐近性性质.