样本相对熵与相依随机序列的若干小偏差定理

设{Xn,n≥1}是任意连续型随机序列,引入相对熵hμμ(w)作为随机序列{Xn,n≥1}的概率测度μ与参考测度μ之间偏差的一种随机性度量,在适当条件下,给出了任意连续型随机变量部分和小偏差定理.     

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。     

多指标B—值滑动平均过程的完全收敛性

讨论Ｂ－值随机滑动和完全收敛,并由此刻画了Ｂａｎａｃｈ空间的几何性质。     

关于随机受控随机序列滑动平均的若干强偏差定理

引入渐近对数滑动似然比作为任意相依随机序列联合分布与参考乘积分布的偏差的一种随机性度量,通过限制渐近对数滑动似然比给出样本空间的一个子集,在此子集上,得到随机受控的随机序列部分和滑动平均的一类用不等式表示的强极限定理,即强偏差定理。     

关于M值随机序列的无规则性定理

利用鞅方法将关于二值Bernoulli序列赌博策略的一个强极限定理，即无规则性定理，推广到相依M值情形。     

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．     

B值适应随机序列的强极限定理

利用B值鞅收敛定理和停时方法，讨论B值适应随机序列的级数收敛性，得到了一类相应的强极限定理，使得已有的若干收敛定理成为所得定理的特例。     

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     

任意二值随机序列的一个强极限定理

给出了任意二值随机序列随机稀疏的一个强极限定理的信息条件，是Borel强大数定理的推广。     

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。     

NA随机变量之和的大偏差与指数估计

对ＮＡ随机变量序列建立了类似于独立随机变量序列的大偏差概率不等式与指数估计。     

随机和局部精细大偏差的应用

研究了在F∈SΔ,Δ=(0,T],T≤∞的条件下随机和S(T)=SUM from i=1 to N(t) ξi,t≥0中心化的局部精细大偏差结果中{h(t),t≥0}和{J(t),t≥0}的选取,并且给出了随机和的局部精细大偏差在索赔过程和再保险中的应用.     

随机适应序列部分和的强极限定理

利用Doob鞅收敛定理,研究随机适应序列部分和的强极限性质,得到了一类强极限定理和强大数定律.     

m相依随机元列的移动平均过程的完全收敛性

给出2型空间中m相依随机元列当m=1时的移动平均过程的完全收敛性成立的一个充分条件.     

关于任意二进信源的一类强偏差定理(二)

设{Xn,n≥1}是在E={0,1}中取值的二进信源,{an,n≥1}是[0,1]中取值的一列常数,Sn(ω)=∑ni=1aiXi(ω),利用区间剖分法,构造单调函数,研究任意二进信源配重和Sn(ω)的一类用不等式表示的定理,即强偏差定理.     

ħ混合序列的广义Jamison型加权和的强收敛性

讨论φ混合序列的广义Jamison型加权和的强收敛性，推广了著名的Jamison定理。     

I.I.D.随机变量部分和之随机和的极限定理

论文研究了部分和之随机和的大数律和中心极限定理,所得结果推广了文献[4]中部分和之和的大数律和中心极限定理。此外,论文还研究了由部分和之和所定义的停时,并且对于停时建立了中心极限定理。     

相依随机变量列中偏差和大偏差原理的两个结果

研究m相依和φ混合随机变量列的中偏差原理和大偏 差原理. 得到了m相依随机变量列的中偏差原理和有限维φ混合随机变量列所产生的平均移动过程的大偏差原理.     

非同分布NA列滑动平均过程的完全收敛性

根据Li等(1992)建立的i.i.d.随机变量序列滑动平均过程的若干极限结果,建立关于非同分布NA列的滑动平均过程的完全收敛性.     

B值m相依随机元列移动平均过程的随机指标中心极限定理

｛ε^t;t∈Z｝是均值为零、 二阶矩有限的B值m相依随机元列, ｛a^j; j∈Z｝是一实数序列, 定义移动平均过程X^t利用Beveridge Nelson分解及｛ε^t;t≥ 1｝的弱收敛定理, 给出｛X^t;t≥1｝ 满足随机指标中心极限定理的充分条件.