强相依平稳正态序列的部分和与最大值的联合极限分布

设X1，X2，…是标准化平稳正态序列，协方差ρn=EX1Xn 1。在ρn和（ρnlogn)^-1都单调且收敛到0的情况下，得到了∑i=1nXi与max{Xi|1≤i≤n}的联合渐近分布。     

具有随机足标的平稳正态序列的部分和与最大值的联合极限分布

设X1，X2，…为标准化平稳正态序列，相关系数ρli-j1=EXiXj(i≠j），N（n）为取正整数的随机变量且N（n）/n P→η，η为大于0的随机变量．得到了：当ρnlog n→γ∈(0，∞)时，最大值MN（n）和部分和SN(n)的联合极限分布．     

强相依平稳正态序列最大值和最小值的联合极限分布

设X1,X2,…是标准化的平稳正态序列,Mn=1≤i≤n/max X1,mn=1≤i≤n/min Xi,Pn=EX1Xn＋1 Rn=Mn-mn,Sn=i=1/∑/nXi·在Pn和（Pnlogn）^-1都单调趋于0的条件下,得到Mn和mn的联合极限分布,同时也得到Rn的极限分布。并给出了Mn,mn和Sn三者的联合极限分布．     

强相依平稳正态序列最大值和最小值的联合极限分布

设X1，X2，…是标准化的平稳正态序列，Mn=maxISiSnXi,mn=minXiISiSn,Pn=EX1Xn＋1 Rn=Mn-mn,Sn=n∑i=1Xi,在Pn和（Pnlogn）^-1都单调趋于0的条件下，得到Mn和mn的联合极限分布，同时也得到Rn的极限分布，并给出了Mn,Mn和Sn三者的联合极限分布．     

具有随机足标的强相依正态序列部分和与最大值的联合极限分布

设X1,X2,…是标准化的平稳正态序列.Mn=max1≤i≤nXi,ρn=EX1Xn+1,Sn=∑ni=1Xi,{N(n)}是一列取非负整值的随机变量,且N(n)nPη>0,η为随机变量.在ρn和(ρn·logn)-1都单调趋于0的条件下,得到了MN(n)和SN(n)的联合极限分布.     

高斯序列的最大值与和的联合渐近分布

设｛Ｘｉ，ｉ≥１｝是标准高斯序列，具有ＥＸｉ＝０，ＥＸ２ｉ＝１与ｒｉｊ＝ｃｏｖ（Ｘｉ，Ｘｊ）．得到了（ｒｉｊ）满足一定的条件时最大值与和具有渐近独立性．平稳情形则作为特例被涉及．     

正态吸引场非平稳NA列部分和的精确渐近性

令{Xi:i≥1}是正态吸引场非平稳NA序列,Sπ=∑πi-1Xi,得到了正态吸引场非平稳NA列部分和Sπ的精确渐近性的结果,揭示了拟权函数和边界函数之间的密切联系.同时将已有的一些结果包含成为特殊情形.     

平稳高斯序列的联合渐近分布

{Xn}为标准的平稳高斯序列,在弱相依条件下,文章得到了此序列的第k个最大值Mn(k)与其出现的位置Ln(k)的联合渐近分布,以及此序列的前k个最大值的联合渐近分布。     

平稳高斯序列超过数点过程与部分和的联合渐近分布

｛Ｘｎ｝为标准化平稳高斯序列，Ｎｎ为Ｘ１，Ｘ２，，Ｘｎ对水平ｕｎ（ｘ）的超过数形成的点过程，ｒｎ＝ＥＸ１Ｘｎ＋１，Ｓｎ＝∑ｎｉ＝１Ｘｉ．ｒｎｌｏｇｎ→０时，在一定条件下得到Ｎｎ与Ｓｎ的渐近独立性．     

最大部分和的矩不等式

设X1,X2,…,Xn为具有有限方差{σ2i}的随机变量序列,假定E(xi)≡0。对v≥2的情形,根据ESa,nv假定的界得到了E(Mva,n)的界。并得到了当v=2,{Xi}为正交随机变量序列以及弱平稳序列时,E(M2a,n)的界。     

一个两状态平稳遍历马尔可夫链部分和序列最小值分布的精确尾估计

一般情况下对平稳遍历马尔可夫链部分和序列最小值分布进行精确尾估计是较困难的，利用条件全概率公式，并通过求解差分方程．给出两状态情况下一个精确尾估计的具体表达式。     

结构应力S（t）的平稳正态过程最大值分布

本文讨论结构应力S(t)在设计基准期[O,T]内跨越来一门槛x的规律,获得平稳正态Γ-更新过程和平稳正态Weibull过程样本函数最大值S_M的概率分布表达式和一、二阶矩估计。     

一类Dirichlet分布的渐近分布

利用中心极限定理和Slutsky定理, 证明了一类Dirichlet分布的渐近分布为正态分布.     

截断和之和乘积的渐近分布

在中尾分布情形下,利用独立同分布随机变量截断和的极限性质,得到了截断和之和乘积的渐近分布.     

关于回归函数核估计的联合渐近正态性

用核估计误差分解方法,在较弱条件下,就一般情况给出了简捷的证明,同时文后讨论了所得结果与Schuster([2])强条件结果之间的联系.