NA序列线性形式的强稳定性

本文研究了NA变量线性形式的强稳定性.利用随机变量的截尾术及强大数定律,得到了一般情况下不同分布NA变量具有强稳定性的充分条件,推广了NA列的Jamison型加权和具有强稳定性的充分条件.     

混合序列加权和的强大数定律

设{Xn,n≥1}是同分布随机变量序列,{αnk,n≥1,1≤k≤n}是满足某种条件的常数序列.本文在ψ-混合,ρ-混合,ρ~-混合条件下讨论了加权和∑kn=1ankXk的Kolmogorov强大数定律.     

线性过程的强逼近和重对数律

本文讨论由独立同分布随机变量列产生的线性过程的泛函型重对数律和强逼近, 同时又给出由NA随机变量列产生的线性过程的重对数律.     

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。     

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.     

样本相关时线性模型中的ML_1N估计的强相合性

本文在样本为平稳强 φ-混合随机变量序列的条件下,证明了线性回归模型的最小一乘(简记为 ML_1N)估计的强相合性.     

样本相关时线性模型中的ML_1N估计的强相合性

本文在样本为平稳强 φ-混合随机变量序列的条件下,证明了线性回归模型的最小一乘(简记为 ML_1N)估计的强相合性.     

ρ混合、φ混合、ψ混合线性模型M估计的强相合性

研究了 ρ混合、φ混合、ψ混合样本线性模型中回归参数M估计的强相合性 ,在条件不变的情况下 ,获得与独立情形一样的M估计是强相合的充分条件 ,推广了文 [1 ]定理 2 .     

φ^~混合随机变量列的几乎处处收敛性

本文研究(~φ)混合随机变量列的几乎处处收敛性,获得了(~φ)混合随机变量列的强大数律,推广和改进了独立情形的相应结果.     

独立随机变量和的强稳定性

独立随机变量和的强稳定性王启应（南京大学数学系，２１０００８）国家自然科学基金资助的课题．１９９１年１２月１４日收到．设为ｉ．ｉ．ｄ．的随机变量序列为两列常数．若，则称序列Ｓｎ关于是强稳定的．众所周知，对不同的常数列的强稳定性研究已取得了极为丰富的成...     

两两独立序列加权和的L~r收敛性

讨论了两两独立随机变量列加权和在满足r(1≤r<2)阶Ces`aro一致可积条件下的Lr收敛性,获得了与独立情形一致的结果.用相似的方法,对于其它相依或混合序列(如两两NQD列,φ-混合序列,ρ-混合序列)也有相同的结果.     

混合序列加权和的Bernstein不等式及其应用

本文首先给出一个ψ混合序列加权和的Ｂｅｒｎｓｔｅｉｎ不等式，然后应用它研究ψ混合离列加权和的重对数律、完全收敛性以及强收敛性，所得结论分别弱化了胡舒合［１］，［３］和Ｇｅｏｒｇｉｅｖ［２］中有关定理的条件。     

■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.     

两两NQD序列线性形式的强稳定性

本文研究了两两NQD序列线性形式的强稳定性, 得到了不同分布两两NQD序列具有线性形式强稳定性的充分条件.     

次线性期望下的若干矩不等式

本文在Peng建立的次线性期望空间下证明了Bernstein不等式,Kolmogorov不等式以及Rademacher不等式.进一步,本文分别应用Bernstein不等式、Kolmogorov不等式以及Rademacher不等式对次线性期望空间下随机变量列的拟必然收敛性质进行了深入研究,并得到了相应的强收敛定理.     

混合误差下半参数回归模型小波估计的强相合性

研究了一类半参数回归模型,利用最小二乘法和小波估计法给出了未知参数β和未知函数g(.)的估计.在误差序列为ψ-混合或φ-混合下得到了^β的强相合性,给出了^g(.)的一致强相合性和r阶矩相合性.     

φ混合随机变量最大值加权和的强收敛（英文）

本文研究φ混合随机变量最大值加权和的强收敛性质.提出关于不同分布φ混合随机变量完全收敛的一些结果.作为一个应用,取得φ混合随机变量加权和的Marcinkiewicz-Zygmund型强大数定律.     

关于相依随机变量加权和强收敛性的注记

放宽了随机变量的独立性的要求,在假设随机变量为Ψ-混合的条件下,讨论了加权和强收敛性。     

次线性期望空间下END列加权和的完全收敛性

研究次线性期望空间下END列加权和的完全收敛性,在随机变量的2+r/α阶上积分存在条件下,将概率空间中END列加权和的完全收敛性推广到了次线性期望空间.     

具有不同分布NA随机变量列的强大数律及应用

给出了具有不同分布的NA随机变量列满足的若干强大数律;作为应用,不仅将独立随机变量的一类强极限定理完整的推广到NA随机变量情形,而且关于NA随机变量的一些已有结果可以作为推论得出.