关于多指标变量的Marcinkiewicz大数律和完全收敛性

该文讨论了两两NQD多指标随机变量序列X_k-∈N^d(d≥2)的Marcinkiewicz型弱大数律和强大数律,同时得到了一个关于多指标变量部分和完全收敛的充要条件。     

ρ-混合序列部分和乘积的几乎处处极限定理

设{X_n,n≥1}是一严平稳的ρ-混合的正的随机变量序列,且EX_1=μ＞0, Var(X_1)=σ~2,记S_n=Σ_(i=1)~n X_i和γ=σ/μ,在较弱的条件下,证明了对任意的x,,其中σ_1~2=1+2/(σ~2)∑_(j=2)~∞Cov(X_1,X_j),F(·)是随机变量e~(2~(1/2)N)的分布函数,N是标准正态随机变量,我们的结果推广了i．i．d时的情形．     

NA序列的部分和乘积的渐近正态性

设{Xn;n≥1}是一列同分布的NA序列,μ=EX1>0,σ2=VarX1<∞.在适当的条件下证明了∏nk=1Skn!μn1γσndeN,n→∞,其中Sk=∑ki=1Xi,γ=σ/μ,σ2n=Varγ1∑k=n1kSμk-1,N是标准正态随机变量.     

强混合序列部分和乘积的几乎处处中心极限定理

在适当的条件下，对强混合的正的随机变量给出了其部分和乘积的几乎处处中心极限定理．同时，也得到了一个关于强混合组列的几乎处处中心极限定理．     

NA随机场对数律的收敛速度

设d是一个正整数, N ^d是d -维正整数格点.设{X_n , n∈N ^d} 是一同分布的负相伴随机场, 记S_n =∑_{k≤ n} X_k, S_n^(k)=S_n-X_k, 如果r >2, EX₁ = 0 和σ²= Var(X₁}, 则存在一个正数M:=100√(r-2)(1+σ²)使得下列条件等价 (I)E |X₁|^r (log|X₁|)^d-1-r/2 <∞; (II)∑_{n∈ N^d} |n|^r/2-2P(max_{1≤ k≤ n} |S_n^(k)|≥ (2^d+1 )ε√|n| log |n |) <∞,∨ε > M; (III)∑_{n∈N ^d} |n|^r/2-2P(max_{1≤ k≤n} |S_k |≥ε√| n} log| n |) <∞,∨ε > M. (III)\ \ $\sum\limits_{{{\bf n}}\in {{\cal N}}^{d}} |n|^{r/2-2} P(\max\limits_{{\bf 1}\leq{\bf k}\leq{\bf n}}|S_{{\bf k}}|\geq \varepsilon \sqrt{|{\bf n}|\log |{\bf n}|})<\infty$, $\forall\varepsilon>M$.