非独立随机变量序列成立大数定律的问题

本文就非独立随机变量序列的情形,总结并推广了一些大数定律。     

模糊随机变量的大数定律

在模糊随机变量及相互独立性的基础上,给出了模糊随机变量的大数定律,说明模糊数理统计问题可转化为经典数理统计问题。     

任意随机变量序列的大数定律

设｛Xn,n≥0｝是任意实值随机变量序列,并且尾概率是一致有界于随机变量X0,通过构造适当的鞅,利用鞅收敛定理讨论随机变量序列｛X,n≥0｝的强极限定理和强弱大数定律,得到了大数定律成立的充分条件,推广了费勒在1946年给出的平均值无限时的大数定律。     

独立同分布随机变量列加权和的弱大数定律

证明了{Tnbn}(对某些{bn})依概率收敛于1,并指明这些{bn};推广了文[2]中的结果.     

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.     

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．     

一致有界随机变量序列的弱大数定律

利用一致有界条件,建立弱大数定律,改进了目前的某些结果,并找到弱大数定律与强大数定律的内在差别.     

模糊随机变量序列的一个强大数定律

利用连续模糊数的性质和数学分析的结论,通过构造适当的零测度子集序列,将任意随机变量的强极限定理推广到模糊随机变量情形,得到了任意模糊随机变量序列的一个强大数定律,它是独立同分布等情形模糊随机变量强大数定律的推广.     

一般随机变量的完全收敛及大数定律

通过包含并完善一些已有结论,建立了一般随机变量的完全收敛和大数定律.特别对于两两负象限相关的随机变量,得到了其完全收敛和Marcinkiewicz-Zygmund型强大数定律之间的等价结论.     

行-列可交换随机变量的大数定律

选取适当的σ-代数,用鞅方法得到行-列可交换随机变量无限和有限组列的强大数定律。特别地,对具有有限方差的无限组列,可以证明其强大数定律成立的充要条件是此组列的对角元素列为不相关的。     

非独立不同分布的随机变量序列的强大数定律

将柯尔莫哥洛夫强大数定律推广到不独立不同分布的情形     

随机变量序列{Xn}服从大数定律的充要条件

首先给出大数定律的基本形式,在几个引理的基础上,提出并证明了{Xn}服从大数定律的充要条件是E1 Y 2nY2n→0(n→∞),其中Yn=n-1k∑=n1(Xk-μk),μk=EXk(k=1,2,…).     

B值随机变量阵列的大数定律及收敛速度

主要在“Cesaro一致可积”的系列条件下研究了B值随机变量阵列的大数定律和收敛速度,并刻划了Banach空间的几何特征。     

多指标随机变量簇的大数定律及收敛速度

主要研究了多指标随机变量族的大数定律和收敛速度。     

改进的H-r可积下随机变量的弱大数定律

本文将Cesàroα一致可积进一步弱化,给出一种H-r一致可积概念.并利用一些重要的概率不等式,给出了H-r一致可积下随机变量序列的弱大数定律.     

可交换随机变量序列加权和的另一个大数定律

将独立同分布情形下的Marcinkiewicz型强大数定律推广到了可交换随机变量,得到了可交换随机变量加权和的一个强大数定律.     

关于一类特殊随机变量的切比雪夫大数定律推论

针对可能取值有无限个的离散型随机变量,以数学分析中的级数为工具推演切比雪夫大数定律,研究了期望、方差及相关的序列,得到了关于离散型随机变量有针对性的推论．     

行为两两NQD的随机变量阵列的完全收敛性和大数定律

研究了行为两两NQD的随机变量阵列的完全收敛性和大数定律,所得结果,推广了行独立随机变量阵列相应的结果.     

随机弱大数定律和弱大数定律的充要条件

讨论了任意随机变量序列的弱大数定律,得到了随机变量序列分别服从随机弱大数定律和弱大数定律的充要条件,以及独立随机变量序列服从弱大数定律的相关结果.     

双下标随机变量顺序统计量和的一个强大数定律

本文对双下标随机变量Ｘｎ１，Ｘｎ２．．．，Ｘｎｎ的顺序统计量Ｘ１（ｎ），Ｘ２（ｎ），．．．，Ｘｎｎ，在其分布连续且存在ｐ阶矩（ｐ＞２）的条件下，获得了它们的加权和的强大数定律。