ρ-混合序列的完全收敛性(英文)

This paper discusses complete convergence properties of the sums of -mixing random sequences.As a result,we improve the corresponding results of Wu Qunying(2001). And extended the Baum and Katz complete convergence to the case of -mixing random sequences by moment inequality and truncating without necessarily adding any extra conditions.     

行为混合阵列加权和的收敛性

本文研究了行为混合阵列加权和的收敛性.利用混合序列的Rosenthal型最大值不等式,讨论了混合阵列加权和的L1收敛性,依概率收敛性,几乎处处收敛性,及完全收敛性之间的等价关系,推广了行独立随机变量阵列相应的结果.     

随机变量部分和乘积的广义弱不变原理

考虑独立但不同分布的正随机变量序列,建立了关于部分和乘积的弱不变原理的一个普遍性结果,推广和改进了由Matula和Stepien在2009年以及Rempala和Wesolowski在2002年获得的弱不变原理.     

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.     

两两NQD阵列行和的若干极限定理

讨论了两两NQD阵列行和的弱收敛性、L_p收敛性和完全收敛性,在{X_(nk);1≤k≤k_n↑∞,n≥1}是Cesaro一致可积的相关条件下,获得了两两NQD阵列行和的弱收敛性、Lp收敛性和完全收敛性定理,将独立阵列行和的相关极限定理推广到了两两NQD阵列行和的情形.     

次线性期望下Marcinkiewicz’s强大数定律（英文）

次线性期望提供了一个非常灵活的框架来对不确定的现象概率问题建立模型,大量的问题引起许多人的兴趣.在本文中,通过利用次线性期望的概率不等式,我们得到Marcinkiewicz’s强大数定律.     

行m-NSD随机变量阵列的完全收敛性

本文研究了行m-NSD随机变量阵列的完全收敛性问题.主要利用m-NSD随机变量的Kolmogorov型指数不等式,获得了行m-NSD随机变量阵列的完全收敛性定理,将Hu等（1998）andSung等（2005）的结果从独立情形推广到了m-NSD随机变量阵列.本文的结论同样推广了Chen等（2008）,Hu等（2009）,Qiu等（2011）和Wang等（2014）的结果.     

NA阵列行和最大值的若干极限定理

本文研究NA阵列行和最大值的弱大数律、$L_p$收敛性和完全收敛性, 所获结果丰富和推广 了前人的一系列结果     

混合线性模型M估计的强相合性

研究了ρ~混合样本线性模型中回归参数M估计的强相合性, 在较弱的矩条件下, 获得了M估计是强相合的充分条件, 实质性地改进和推广了文［1］定理3.1.