M-Z型序列的最大值不等式和大偏差定理

设{Xn,n≥1}为p阶M-Z型序列,Sn(a)=∑i=a+1 a+n Xi,n≥1,a≥0且Xi∈Lp,i≥1.讨论了M-Z型序列的最大值不等式和大偏差定理,得到了p≥2情形下的估计μ(|Sn(a)|>n)≤cn-p/2以及p∈(1,2]情形下的估计μ(|Sn(a)|>n)≤cn1-p.最后给出了M-Z型序列部分和的最大值序列m ax1≤k≤nSk(a)和混合序列部分和Sn(a)的大偏差定理.     

几类随机变量序列的大偏差估计

设{X_n,n≥1}是定义在概率空间(Ω,F,P)上的随机变量序列,{S_n,n≥1}是{X_n,n≥1}的部分和序列,给出了鞅差序列、φ-混合序列、p阶M-Z型随机变量序列的部分和序列以及NOD序列的部分和序列在条件■下的大偏差估计.     

广义复合泊松风险模型的大偏差与破产时刻

进一步研究广义复合泊松风险模型的大偏差问题,其中{N（t）;t≥0}是一强度为λ〉0的泊松分布,{Xn;n≥1}是独立同分布的随机变量序列,具有共同分布F,（其中0〈μ=EX1〈∞．）{M（t）;t≥0}是一强δ〉0的泊松分布,{N（t）;t≥0},{Xn;n≥1}和{M（t）;t≥0}是相互独立的．理赔剩余过程S（t）∑i=1^N（t）Xi-cM（t）,t≥0．在F∈C上得到了一系列大偏差和破产时刻的结果,这些结果可以应用在某些金融与保险问题中．     

幂赋范下的极值大偏差

(Xn,n≥1)为独立同分布随机变量序列,Mn=max(X1,…,Xn).本文在二阶广义正规变换函数条件下得到了幂赋范情形中Mn分布更为精确的一致渐近展开,以及相应的更为精确的极值大偏差结果.     

B值m相依随机元序列的完全收敛性

设{Xn;n≥1}是均值为零的B值m相依随机元序列,X1∈CL(B),对于1≤t<2,r>1有E‖X1‖rt< ∞,记Sn=∑ni=1Xi.利用构造法证明了{Xn;n≥1}的完全收敛性.     

Banach空间值Lorentz序列空间和强弱紧生成空间

设正数序列w=(wn)满足1=w1≥w2≥…≥wn≥wn+1…,limn→∞ wn=0,n=1Σ∞wn=∞.对任何Banach空间序列{Xn},定义Banach空间值Lorentz序列空间X为X=d1(w,{Xn})={(xn):xn∈Xn,||(xn)||=supπ∞Σn=1Wn||xπ(n)||<+∞} 其中π取遍所有正整数集的置换.证明弱序列完备和遗传地含有l1这两个性质可以从{Xn}遗传到X上.但是X是强弱紧生成空间的充要条件是每个Xn是强弱紧生成空间,并且除有限个之外的所有Xn都是自反空间.也给出一个弱序列完备并遗传地含有l1但不是强弱紧生成的可分Banach空间,从而否定地回答了文献[1]中的一个公开问题.最后给出具基Banach空间是强弱紧生成空间的一些等价条件.     

Banach空间值Lorentz序列空间和强弱紧生成空间

设正数序列w=(wn)满足1=w1≥w2≥…≥wn≥wn+1…,limn→∞wn=0,∑∞n=1wn=∞.对任何Banach空间序列{Xn},定义Banach空间值Lorentz序列空间X为X=d1(w,{Xn})={(xn):xn∈Xn,(xn)=supπ∑∞n=1wnxπ(n)<+∞}其中π取遍所有正整数集的置换.证明弱序列完备和遗传地含有l1这两个性质可以从{Xn}遗传到X上.但是X是强弱紧生成空间的充要条件是每个Xn是强弱紧生成空间,并且除有限个之外的所有Xn都是自反空间.也给出一个弱序列完备并遗传地含有l1但不是强弱紧生成的可分Banach空间,从而否定地回答了文献[1]中的一个公开问题.最后给出具基Banach空间是强弱紧生成空间的一些等价条件.     

同分布的两两NQD序列部分和之和的强大数定律

主要研究同分布两两NQD随机变量序列{Xn,n∈N}部分和之和Tn=∑i=1 n Si（其中Sn=∑i=1 n Xi）的强大数定律,通过给出几个等价的条件,建立了强大数定律,获得了与I．I．D列情形相类似的结论．     

非平稳LNQD序列部分和的精确渐近性

设{Xn,n≥1}为零均值,方差有限的非平稳LNQD随机变量序列,利用最大协方差系数u(n)=supk∈Nj:|j∑-k|≥n|Cov(Xj,Xk)|→0(n→∞)解除了序列是平稳的条件限制,推广了已有的一些随机变量序列部分和的精确渐近性结果。     

非负ρ-混合随机变量的逆矩

在一阶矩有限的条件下获得了非负同分布ρ-混合随机变量序列部分和的逆矩的渐进逼近,部分推广了已有的结果,即设{Zn,n≥1}是非负同分布的ρ-混合随机变量序列,对任意n≥1,Xn=n∑k=1 Zk.如果0＜EZj＜∞,则对任意a＞0,α＞0,E(a+Xn)α～(a+EXn)-α成立.     

B值适应可积序列加权和的强收敛性

设{Xn,Fn,n≥1}是B值适应可积序列（或B值鞅差序列）,{an,n≥1}和{bn,n≥1}是两个正常数列,本文中研究了形如1/bn∑ni=1ai（Xi-E（Xi｜Fi-1））或（1/bn∑ni=1aiXi）加权和的强收敛性,得到了一些适当条件下加权和的强收敛性的结果.     

不同分布的BUTI的大偏差

主要研究了长尾上的带有BUTI的、不同分布的随机变量和的尾概率,得到了部分和和随机和的一致渐近的大偏差的结论,推广了已存在的相应结论.     

NOD序列加权和的完全收敛性

NOD随机变量是一类包含NA随机变量的更为广泛的随机变量类.本文主要研究了NOD序列加权和的完全收敛性,证明了一般双下标加权系数的加权部分和的完全收敛性.     

关于广义Dedekind和与Lerch-zeta函数的混合均值

对于给定的正整数q,n和任意整数h,(h,q)=1,广义Dedekind和定义为S(h,n,q)=∑qa=1Bn(qa)Bn(hqa),其中Bn(x)是第n个周期Bernoulli多项式.利用DirichletL-函数L(s,χ)的均值性质研究广义Dedekind和与Lerch-zeta函数的混合均值分布性质,得到了一个有趣的渐进公式.     

Lehmer型同余式在多重调和级数上的推广

证明了若a为正整数且满足2na≤p-4,则∑ 1≤ll〈…ln≤p-1/2 1/ll^2a…ln^2a≡（-1）n＋1 1/n（1-1/2^2na＋1）2^2na 2na/2na＋1 Bp-a-1p（mod p^2）其中a=2a1＋…＋2an.推广了Lehmer关于幂次和的一类同余式,同时给出更多关于调和级数的同余式．     

两两NQD列部分和之和的弱大数定律

部分和之和在实际问题如随机游动、时间序列分析、破产理论中有着广泛的应用.研究同分布和不同分布情况下,两两NQD随机变量序列部分和之和Tn=n∑i=1Si的弱大数定律,其中Sn=Sn=n∑i=1Xi,将两两NQD随机变量序列部分和的弱大数定律推广到了部分和之和的情形.     

同分布NA随机变量一类加权和的强大数律

在权阵列{ani：1≤i≤n,n≥1）满足Aα=lim sup n→∞（1/n∑i=1^n｜ani｜^α）^1/α〈∞的条件下,得到了高阶矩存在的同分布NA随机变量加权和的强大数律．     

优化权重下ρ-混合序列部分和的几乎处处中心极限定理

将已有的ρ-混合序列部分和的几乎处处中心极限定理权重由dk=1/k推广到dk=logαk/k(α≥-1),得到优化权重下部分和的几乎处处中心极限定理.     

一类复合Poisson过程的大偏差原理

研究这样一类复合Poisson过程:S(t)=∑(h(t-Si)Xi)from(i=1 to N(t)),其中N(t)(t>0)是强度为λ>0的齐次Poisson过程,Xi(i≥1)是独立同分布非负随机变量序列,独立于N(t),h(t)(t>0),是非负单调实函数.得到了关于S(t)的大偏差原理和弱收敛.