WOD随机变量序列加权和完全收敛性及其应用

随机变量序列是概率极限理论重要研究的内容，由于随机变量序列独立的条件已经不满足日常生活和科学研究的实际要求，相依随机变量序列被提出.其在风险预测、地质勘测、保险等领域应用非常广泛，宽相依(widely orthant dependent, WOD)随机变量序列是一种常见的相依随机变量序列.采用随机变量尾截技术，结合运用新的矩不等式证明研究WOD随机变量序列加权和完全收敛性，且将其结果应用到非参数估计当中具有重要意义.     

~ρ混合随机变量序列的完全收敛性

研究了非同分布~ρ混合随机变量序列的完全收敛性，在更一般的条件下，利用~ρ混合随机变量序列Rosenthal型不等式和截尾方法，得到了~ρ混合随机变量序列完全收敛的充分条件。作为推论，得到了~ρ混合随机变量序列的强大数定律，这些结果深化并推广了已有的相关结果。
     

任意随机变量序列强极限定理的一个推广

利用随机变量的截尾方法和Doob鞅收敛定理，研究了任意随机变量序列的性质，得到了一类矩条件下任意随机变量序列的强极限定理，推广了与此相应的一些结果．     

随机变量的截尾与任意B值随机变量序列的强收敛性

利用随机变量的截尾方法研究任意B值随机变量序列的性质，建立了一类矩条件下任意B值随机变量序列的强极限定理．     

随机变量阵列加权和的r阶矩完全收敛性

独立同分布变量序列和相依变量序列的收敛性质研究一直是概率极限理论的研究热点。本文研究了随机变量阵列加权和的r阶矩完全收敛性。利用Marcinkiewicz-Zygmund不等式或Rosenthal型不等式和截尾法，获得了随机变量阵列加权和的r阶矩完全收敛的一般条件。同时，结合这些一般条件推广和改进了独立同分布或相依随机变量序列矩完全收敛性的相关成果。     

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．     

END随机变量加权和的强极限定理

END(extended negatively dependent)序列是一类非常宽泛的随机变量序列,它包括独立随机变量序列、NA(negatively associated)序列、NOD(negatively orthant dependent)序列等.利用END随机变量序列的Rosenthal型矩不等式,研究了END随机变量加权和的强极限定理,所得结果推广了独立变量和若干相依变量的相应结果.     

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．     

负相关随机变量加权和的矩完全收敛性

概率极限理论是概率论的主要分支之一,是概率统计学科中非常重要的理论基础;经典的极限理论是以独立随机变量为主要研究对象,但实际大部分随机变量是非独立的,负相关随机变量序列就是相依随机变量序列中的一类典型且应用广泛的随机变量序列,针对负相关随机变量加权和序列的极限问题,应用负相关序列、截尾和矩不等式等知识,推广了负相关随机变量加权和的矩完全收敛性,并给出了一个NA随机变量完全矩收敛的线性过程,所得结果改进了的相应结果。     

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．     

强平稳NA随机场对数律的收敛性

研究了强平稳NA随机场对数律的收敛速度,得到了与NA随机变量序列类似的结果,推广了NA序列的情形.     

关于中心极限定理的注记

讨论了服从中心极限定理的复值随机变量序列及m元实值随机变量序列的性质，得到与中心极限定理有关的几个定理.     

模糊空间行独立随机组列的强大数律

介绍模糊随机变量、模糊随机变量空间的概念,利用同构映射,建立了模糊随机变量空间和Banach空间之间的同构关系,证明了模糊随机变量空间行独立随机组列的强大数律.     

B值平稳随机变量列平均移动过程的大偏差原理

利用B值平稳随机变量列的大偏差原理,将其推广至平均移动过程,得到了由B值平稳随机变量列生成的平均移动过程的大偏差原理.     

一类独立随机变量列的平稳律

利用截尾法,研究了一类独立随机变量列的平稳律,在适当的条件下,证明了该随机变量列的部分和弱收敛到一个具有非退化分布的随机变量.     

分布函数列的一致收敛性

研究了函数列的一致收敛性问题.对狄尼定理的另一种形式的结果给出了证明,并将此结果应用于随机变量序列的分布函数列的一致收敛性研究,指出了中心极限定理的深刻结果,对t-分布的随机变量序列的极限分布给出了2种直接的证明方法.     

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。     

(p~)混合序列的收敛性质

设{Xn,n≥1}为(p~)混合序列.利用随机变量的截尾方法,研究了(p~)混合序列的几乎处处收敛性,并得到一些新的结果,推广和改进了独立序列的相应结果,而且并不需要另外增加其他条件.

Abstract：

Let {Xn,n≥1} be a (p~)-mixing random variable sequence. By means of the truncation method of random variables,the almost sure convergence for (p~)-mixing sequences was discussed and some new results were obtained, which extended and improved the corresponding results for independent random variable sequences without necessarily adding any extra conditions.     

NA随机变量序列加权和的完全收敛性

利用截尾法和矩不等式,证明一般情况下NA随机变量序列加权和的完全收敛性,推广独立随机序列加权和的完全收敛性.