一类随机变量序列关于Γ-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Γ分布的独立随机变量序列的偏差的一种度量,并通过限制似然比给出了样本空间的一个子集,在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理,将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间.作为推论得到了任意非负连续型随机变量序列关于指数分布,厄兰分布以及x2-分布的强偏差定理以及服从Γ-分布的独立随机变量序列的一族强大数定律.     

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．     

关于离散信源滑动相对熵的一个小偏差定理

通过引入任意离散随机序列联合分布相对于乘积参考分布的滑动相对熵概念，建立了任意相依离散随机变量序列滑动相对熵的一个小偏差定理。     

一类随机变量序列关于Г-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Г分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理，将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间．作为推论得到了任意非负连续型随机变量序列关于指数分布，厄兰分布以及X^2分布的强偏差定理以及服从Г-分布的独立随机变量序列的一族强大数定律．     

随机变量序列与指数分布序列的比较及相应的强偏差定理

利用对数似然比作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量 ,运用鞅理论及分析方法 ,研究了一类随机变量序列加权和的用不等式表示的极限定理 ,即强偏差定理     

一类随机变量序列关于乘积分布的强偏差定理

引进似然比作为整值随机变量序列相对于服从二项分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上得到了任意整值随机变量序列的一类用不等式表示的强极限定理，作为推论得到了服从二项分布的独立随机变量序列的一族强大数定理．进一步发展和完善了状态空间有限的随机变量序列关于乘积分布的强偏差定理．     

连续随机序列样本熵的强偏差定理

设{X_n,n≥1}是连续随机序列,其联合分布密度为g_n(x_1,…,x_n),f_k(x_k)是X_k的边缘分布密度。利用关于乘积分布密度sum from n to k=1 f_k(x_k)的相对熵和相对熵率的概念,建立了连续随机序列关于样本微分熵的一类强偏差定理。     

连续随机序列样本熵的强偏差定理

设{Xn,n≥1}是连续随机序列,其联合分布密度为gn（X1,…,Xn）,fk（Xk）是Xk的边缘分布密度。利用关于乘积分布密度nПk=1 fk（Xk）的相对熵和相对熵率的概念,建立了连续随机序列关于样本微分熵的一类强偏差定理。     

随机序列基于指数分布的若干强极限定理

利用样本相对熵作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量,运用鞅理论及分析方法,研究了一类随机变量序列加权和的强偏差定理,并讨论了任意连续信源的相对熵密度的若于极限性质。     

B-值随机元序列的对称化原理的注记

本文讨论了B-值随机元序列极限定理的对称化方法,并且获得了对称化方法的一般性结果。作为一个应用,我们给出了B-值独立同分布随机元序列的叠对数律(紧的或有界)的对称化方法。     

NA序列部分和随机乘积的渐近分布

利用NA序列部分和最大值的矩不等式及部分和乘积的渐近分布, 得出NA序列部分和随机乘积的渐近分布, 并将已有部分和乘积的结果推广到部分和随机乘积上, 进而得到一类统计量随机乘积的渐近分布.     

可变时滞分布参数随机系统的指数渐近稳定性

基于随机Lyapunow稳定性理论，利用辅助函数方法研究由可变时滞分布参数随机系统所导出的滑动模运动方程的渐近稳定性问题，获得了一类滑动模运动方程渐近稳定的充分条件。     

关于一类随机适应序列的强收敛定理

引入了随机变量的截尾和停时的概念,在定理条件及其证明过程中适当地定义随机变量的截尾和停时,并通过定义鞅差序列和利用鞅差序列的收敛定理,得到了一类关于任意随机适应序列的强收敛定理.通过利用截尾方法和条件三级数定理,得到了在更高阶条件下的任意随机适应序列的强收敛定理.作为推论,得到了相应的关于独立随机变量序列的强收敛定理以及一些关于任意随机序列的已有的结果,进一步发展和完善了关于任意随机适应序列的强收敛性的研究.     

关于任意随机序列级数的强收敛性

为了建立一类任意随机序列级数的强极限定理,利用鞅差序列级数收敛定理主要讨论了在p≥t(1≤t≤2)下任意随机序列级数的强收敛性,进一步完善了该序列的一个强极限定理.作为推论得到了p≥2下一类任意随机序列级数的强收敛性,推广了某些经典的鞅差序列级数收敛性的一个结果.     

β-Hermite随机矩阵最大特征值精确渐近性的一般形式

对于相当广泛的边界函数和拟权函数,利用β-Hermite随机矩阵最大特征值的弱收敛定理、小偏差结论及广义βTracy-Wisdom分布的尾概率不等式,得到了其最大特征值的矩完全收敛性的精确渐近性的一般形式.     

整值随机序列滑动平均的若干小偏差定理

研究任意整值随机序列部分和滑动平均的小偏差定理 ,在适当的条件下 ,有 :liminfN h- 1(N) ∑N h(N)i=NXi ≥α(c) ,limsupN h- 1(N) ∑N h(N)i=NXi≤ β(c)     

股票投资模型中的一个强偏差定理

利用广义似然比以及广义渐进相对对数似然比作投资股票之间相依程度的一种随机性度量和研究随机序列强极限的分析方法,研究股票市场中投资者进行随机决策时,其收益向量的真实分布与其关于边缘分布平均收益率之间的偏差,在适当的条件下给出偏差的上下界。     

鞅方法与一类强偏差定理

通过极限相对对数似然比，利用随机变量截尾的方法并结合Doob鞅收敛定理这一工具研究相依连续型和离散型随机变量序列的性质，得到了一类强极限定理及用不等式表示的强偏差定理，并推广了一些经典的强大数定律。     

随机变量序列基于指数分布的强偏差定理

利用样本相对熵作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量,运用鞅理论及分析方法,研究了一类随机变量序列加权和的用不等式表示的极限定理,即强偏差定理     

M值随机序列加权和的强稳定性

利用样本相对熵作为任意离散型随机变量相对独立变量偏差的一种随机性变量 ,采用研究强极限定理的一种新方法——网微分法 ,得到了一个关于离散型随机变量序列加权和的强稳定性定理