关于不同分布两两NQD列乘积和的Marcinkiewicz型强大数律

通过研究得到了关于不同分布两两NQD列乘积和的Marcinkiewicz型强大数律的新的结果。     

特征为2的有限域上二次函数指数和计算的新方法

设二次函数f(x)=∑1≤i≤kaix1+2αi,k相似文献   

关于 Lucas序列的一个反演公式

给出了关于Lucas序列乘积的倒数和J(1,2,…,m)和K(1,2,…,m)的定义,根据Lucas序列的递推关系以及性质,得到了关于J(1,2,…,nt)与K(1,2,…,nt)之间的反演公式。     

重截和的重对数律

令{X_n, n≥1}是一列独立同分布的随机变量,其共同分布为F(x). X_{1, n}≤…≤X_{n, n}}是其次序统计量。Q 是F的分位函数。对任何分布函数F,只要λ和1-λ是Q 的连续点且σ(λ)>0,重截和的重对数律成立。而且在这种情形下获得了强逼近结果。     

关于广义二次高斯和均值的同余性

引入广义二次高斯和,并利用特征和估计及其三角和方法给出它4k-次均值模pk的一个有趣的同余式.     

一族新的可分差集

给出了经典的仿射相对差集的一个特征标方法的证明。构造了一族新的可分差集,具有参数 ((qⁿ-1)/(q-1), q-1, q^(n-1)-1, q^(n-1)-1, q^(n-2)-1), 其中n≥2, q为素数幂。     

ρ-——混合序列加权和的完全收敛性和强收敛性

给出ρ^--混合序列加权和完全收敛和强收敛的充分条件,所得结果推广了Stout和Thrum定理.     

一类随机变量加权和的完全收敛性

设{Xn,n≥1}是一列满足Rosenthal型不等式的相依随机变量,在非同分布下建立了这类随机变量加权和的完全收敛性的新定理,并获得了相依随机变量加权和的强大数定律.所得结论把相应结果从独立同分布的情形扩展到普遍的相依变量情形.     

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。     

ρ-混合序列部分和之和乘积的几乎处处中心极限定理

在适当的假设条件下, 利用混合序列加权和的中心极限定理及矩不等式, 证明了混合序列部分和之和乘积的几乎处处中心极限定理.