强混合序列的联结构造与完全收敛性

对强混合随机变量序列,提出一种"联结构造”方法.作为它的应用,给出强混合序列的完全收敛性.这里的方法,也为处理其它相依随机变量序列,提供一种新的途径.     

不同分布(φ)混合随机变量序列的强收敛性

本文研究了不同分布(φ)混合随机变量序列的强收敛性质的问题.利用(φ)混合随机变量序列的矩不等式和截尾的方法,获得了(φ)混合随机变量序列完全收敛性和几乎处处收敛性结果,所获得结果不仅推广了Baum和Katz (1965)关于独立同分布随机变量序列的结论,而且改进了Wu和Lin (2004)关于同分布(φ)混合随机变量序列的相关结论.     

混合序列部分和的强大数定律

设{Xn，n≥1）是ρ^-混合序列．利用随机变量的截尾方法和ρ^-混合序列的三级数定理这一工具研究了ρ^-混合序列的性质。得到了矩条件下ρ^-混合序列的—类强极限定理和强大数定律。并给出了一些简单应用。推广了若干经典的强大数定律．     

弱相依随机序列的若干新结果(英文)

设{Xn,n≥1}为-混合序列. 利用随机变量的截尾方法和-混合序列的三级数定理,讨论了-混合序列的收敛性质,并且得到了-混合序列的一类强极限定理,这些结果推广了独立序列的相应结果.最后研究了-混合序列加权和的强稳定性.     

随机环境中纯生过程的一个极限性质

本文证明了随机环境中纯生过程的一个强极限性质,假设环境为一混合序列,不必平稳,且具有有限均值,混合系数由环境序列中一对随机变量而定。     

(p)混合序列部分和的强大数定律

设{Xn,n≥1)是(p)混合序列.利用随机变量的板尾方法和(p)混合序列的三级数定理这一工具研究了(p)混合序列的性质.得到了矩条件下(p)混合序列的一类强极限定理和强大数定律.并给出了一些简单应用.推广了若干经典的强大数定律.     

■混合序列加权和的强稳定性(英文)

本文给出了■混合序列加权和的强稳定性的一些结果,同时也给出了■混合序列的强大数定律的若干新结果,这些结果推广了独立随机变量序列的相应结果.     

?混合序列加权和的强极限收敛定理北大核心CSCD

利用?混合序列的矩不等式和随机变量截尾的方法,研究了不同分布?混合序列加权和完全矩收敛和完全收敛等性质,得到了其加权和情形下的强极限收敛定理.所获主要结果推广和改进了葛梅梅等人(高校应用数学学报,2013,28(4):424-430)关于?混合序列加权和强收敛性的相应结论.     

随机变量的截尾与一类强偏差定理

通过极限相对对数似然比，利用随机变量截尾的方法并结合鞅这一工具研究相依连续型和离散型随机变量序列的性质，得到一类用不等式表示的强偏差定理．     

φ混合序列加权和的强大数定律

设{X_n;n≥1}为φ混合随机变量序列,利用φ混合序列的强收敛性及三级数定理,在适当的矩条件下,得到了不同分布φ混合序列加权和的强大数定律的一般结果.     

对数似然比与离散随机变量序列强极限定理的一种分析方法

本文引进对数似然比作为任意离散随机变量序列相依性的一种度量，并通过限制似然比给出样本空间的某种子集，在这种子集上得到了离散随机变量序列的一类强极限定理，它包含若干经典强大数定律为其特例．在证明中本文提出了证明强极限定理的一种分析方法，其要点是将关于单调函数可微性的定理应用于几乎处处收敛的研究．     

混合样本下的经验似然估计

研究强平稳φ混合随机变量序列均值的经验似然估计问题,利用拉格朗日乘子以及一些重要概率不等式讨论均值有限且方差不等于零的强平稳φ混合序列,并给出其总体均值和M-泛函统计推断以及置信区间.     

任意随机变量序列泛函及其随机变换的一类极限定理

采用鞅方法研究对任意随机变量序列普遍成立的强极限定理.并作为推论得到了m阶马氏过程,鞅序列,鞅差序列,独立随机变量序列的一类强极限定理.并把赌博系统的随机变换概念推广到任意随机变量序列的情况,得到任意随机变量序列随机选择与公平比的若干极限定理.     

?混合序列加权和的强极限收敛定理

利用?混合序列的矩不等式和随机变量截尾的方法,研究了不同分布?混合序列加权和完全矩收敛和完全收敛等性质,得到了其加权和情形下的强极限收敛定理.所获主要结果推广和改进了葛梅梅等人(高校应用数学学报,2013,28(4):424-430)关于?混合序列加权和强收敛性的相应结论.     

无界混合序列强律的收敛速度

本文进一步研究无界相依随机变量序列部分和的Marcinkiewicz-Zygmund强律的收敛速度,在对随机变量的矩给出一定的限制时,关于无界ψ-混合序列(未必平稳)得到了与[2]中主要结果相类似的结论。     

ND序列部分和的大偏差和强收敛性

利用ND随机变量序列的矩不等式、极大值不等式以及随机变量的截尾方法,重点研究了ND随机变量序列部分和的大偏差结果和强收敛性,推广了文献中一些相依随机变量序列的若干相应结果.     

关于任意随机变量序列的一类强极限定理

本文的目的是建立一类任意随机变量序列的强极限定理，作为推论，得到了一类鞅差序列收敛定理，马氏过程的强极限定理和若干经典的独立随机变量序列的强大数定律，已有的若干轶差序列收敛定理和可列非齐次马氏链的一个强极限定理是本文结果的特例，本文的主要结果对随机变量序列除矩条件外没有任何要求．     

随机变量序列加权和的强收敛性

本文讨论了一般随机变量序列加权和的强收敛性．作为推论，得到一类鞅差序列加权和的收敛定理和若干经典的独立随机变量序列的强大数定律；已有的若干结论是本文结果的特例．     

■混合随机变量序列加权和的矩完全收敛性

本文研究了■混合随机变量序列加权和的矩完全收敛性,利用φ混合随机变量序列的Rosenthal型不等式,得到了■混合随机变量序列加权和的矩完全收敛性定理,这些结果推广和改进了已有的结果.     

φ-混合序列加权和的完全收敛性

该文把Chen和Sung (文献[1])的一个关于同分布NA随机变量序列加权和最大值完全收敛性结果推广到了φ-混合随机变量序列情形.由于已有文献所用的工具本质上是部分和最大值指数型概率不等式,而对于φ-混合随机变量序列而言,没有那么好的指数型不等式,因此原有的证明方法已失效.该文将应用φ-混合随机变量序列部分和最大值的2-阶Marcinkiewicz-Zygmund矩不等式,结合再截尾方法,获得了理想的结果.该文的证明方法不同于已有结果的证明方法.