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。     

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.     

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。     

混合序列的Cesaro强大数定律的收敛速度混合序列的Cesaro强大数定律的收敛速度

讨论了混合序列的Cesaro强大数定律收敛速度,将i.i.d.的随机变量序列的情形推广到混合序列的情形,在一些命题和引理的前提下,获得了混合序列情形时的相应结论.     

关于大数定律的一个充分条件

给出了随机变量序列服从大数定律的一个充分条件及若干推论。     

ρ↑-混合序列的Cesaro强大数定律的收敛速度混合序列的Cesaro强大数定律的收敛速度

讨论了ρ↑-混合序列的Cesaro强大数定律收敛速度,将i.i.d.的随机变量序列的情形推广到ρ↑-混合序列的情形,在一些命题和引理的前提下,获得了ρ↑-混合序列情形时的相应结论.     

任意随机变量序列的一个强极限定理

研究任意随机变量序列的强收敛性.主要利用鞅差序列级数收敛定理,讨论了任意随机序列的一个强极限定理.作为推论得到了马氏过程,鞅差序列的强大数定律.     

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。     

AANA随机变量序列的强大数定理

利用Hájek-Rényi型最大值不等式,得到了关于AANA随机变量序列的一个强大数定理。     

独立模糊随机变量的强大数律

设{xn,n≥1}是一模糊随机变量序列且{an,n≥1}是一列常数,且满足0相似文献   

独立模糊随机变量的强大数律

设{xn,n≥1}是一模糊随机变量序列且{an,n≥1}是一列常数,且满足0〈an↑∞.设函数满足于φ（x）↑,φ（x）x↑,φx（2x）↓,如果有n∞=1Σni=1ΣE（φ（‖xi‖ρp））φ（an）〈∞,∞n=1Σ（ni=1ΣE（‖xi‖ρ2p）an2）s〈∞,则E‖xi‖ρ2p/an→0等价ni=1ΣXi/an→C 0-等价ni=1ΣXi/an→a.s.0-等价ni=1ΣXi/an→p 0-.     

对称随机变量序列的强大数定律

利用Háyek-Rényi型最大值不等式研究了对称随机变量序列.在一定条件下,得到了对称随机变量序列的强大数定律.     

负相协随机变量列的强大数律

负相协(NA)随机变量是一包含独立随机变量的有广泛应用的随机变量类, 对于独立随机变量情形, Teicher给出了一类强大数律. 本文应用NA随机变量的概率不等式, 在更弱的条件下, 对具有不同分布的NA随机变量列建立了有关强大数律的定理, 进而将Teicher的结果推广到NA随机变量.     

PA序列的强大数定律

T.C.Christofides在Statistics & Probability Letters 50(2000)已论证了期望为0的PA序列部分和的强大数定律,本文进一步得到Tn=nΣi=-1c1Xi,n≥1的强大数定律。     

独立随机变量序列的强大数定理

探讨随机变量序列的强大数定理是概率极限理论的重要课题之一.文章通过给出Kolmogorov强大数定律的另外两种证明方法,直接证明Kolmogorov不等式,再由它来证明强大数定律.     

NA随机变量序列的强大数定律

研究了NA随机变量序列的强大数定律,利用推广的Borel-Cantelli引理,讨论一般矩条件与强大数定律之间的关系,作为推论,得到了p阶矩与强大数定律等价,最后给出了NA随机变量序列的Feller强大数定律.     

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.     

两参数两两独立的随机变量序列的强大数定律

设{Xij}为两参数两两独立的随机变量序列,若对任意的t>0, ∑∑(Xij-EXij)P{|Xmn|≥t}≤P{|X|≥t}且E|X|P(log+|X|)3<∞,(1<p<2),则i=l--j=l--→0 (mn)Ypa.s.当mvn→∞而在E|X|plog+|X|<∞的条件下,它依L1收敛于0.并且这些结论可以推广到r维参数的情形,而只需将对应的条件分别改为E|X|p(1og+|X|)r+1<∞和E|X|p(log+|X|)r-1<∞.