关于部分和增量的Erds-Rényi大数定律的收敛速度

设随机变量序列列X_1,X_2,…是独立同分布的,且 EX_1=0,E exP(tX_1)<∞(t>0),S_n=X_1+X_2+…+X_n,记D_1(N,K)=max(S_(n+k)-S_n),D_2(N,K)=max max(S_(n+k)-S_n)其中 K=K_N= 0(IOgN)(N→∞),进一步若存在τ∈(0,1),使 K/LOg_τN→∞(N→∞),本文得到了当 N→∞时,对任意的δ>0,存在序列a_N使得|K_(-δ)D_1(N,K)-a_NK_((1/2)-δ)|→0 a.s.i=1,2改进了Huse等的结果.     

独立随机变最部分和的强逼近与广义Erdos-R enyi大数律

本文首先得到满足$er}stein条件的独立不同分布的随机变量序列部分和强逼近结果，此结果与‘.i.d.情形完全一致，达到理想地步.利用强不变原理方法，我们研究了独立不同分布时的改进Erdiis-Ran户大数定律，我们的结果推广了〔2〕和〔3〕的部分结果     

独立不同分布随机变盆序列的部分和的增量有多小

关于独立同分布随机变量部分和的增量有多小问题，目前已有了著名的结果.本文通过与独立同分布情形时完全不同的途径，讨论了独立不同分布情形时相应的问题.在矩母函数存在的条件下，获得了与同分布情形相近的结论.     

Chebyshev—Fouier级数部分和逼近有界变差函数

讨论了Ｃｈｅｂｙｓｈｅｖ－Ｆｏｕｒｉｅｒ级数部分和逼近有界变差函数,得到结果：若ｆ是「－１,１」上的有界变差函数,则≥４,Ｖｘ∈「－１,１」成立。     

L~p-混合阵列加权和的L~r-收敛性和弱大数定律

讨论了加权和∑ｌｎｉ＝１ａｎｉＸｎｉ的Ｌｒ－收敛性和弱大数定律，其中｛Ｘｎｉ，ｉ＝１，２，…，ｌｎ↑∞，ｎ≥１｝是Ｌｐ－混合阵列，｛ａｎｉ，ｉ＝１，２，…，ｌｎ↑∞，ｎ≥１｝是实数阵列．     

B值鞅差序列加权和的收敛性与大数定律

对形如∑ x的加权和,其中{dnx,n≥1}为B值鞅差序列,{dni}为实值常数阵列,在{ⅡdjxⅡp}户关于{anjIp}一致可积的条件下建立鞅差序列加权和的收敛性与Banach空间P光滑性的关系,并给出P光滑Banch空间中鞅差序列加权和的强大数定律．     

Chebyshev-Fourier级数部分和逼近单调型连续函数的误差估计

研究了用Chebyshev级数部分和逼近单调型连续函数,得到了逼近的误差估计,并提出了3个问题,这3个问题的核心就是估计式中的因子“logn”能否去掉。     

Chebyshev-Fouler级数部分和逼近有界变差函数

讨论了Ｃｈｅｂｙｓｈｅｖ－Ｆｏｕｒｉｅｒ级数部分和逼近有界变差函数,得到结果：若ｆ是［－１,１］上的有界变差函数,则当ｎ≥４时,ｘ［－１,１］成立,其中     

独立同分布随机变盆部分和过程的滞后增最有多小

关于滞后增量有多大问题,已经有不少文章讨论过,但关于滞后增量有多小的问题尚无结果,我们在文章〔1〕中讨论了Wiener过程滞后增量有多小的问题,本文继续讨论了独立同分布随机变量部分和过程滞后增量有多小的问题.     

AANA序列部分和的收敛性质

利用对AANA随机变量做截尾方法处理,给出AANA随机变量序列的三级数定理.研究了在矩条件下,AANA随机变量序列的一类强极限定理和强大数定律.由于AANA随机变量序列比NA随机变量序列要弱,故本文所得的结论对NA随机变量序列仍然成立.     

B值鞅差阵列加权和的L~r收敛性与弱大数定律

给出了Ｂ值鞅差阵列加权和在Ｃｅｓａｒｏ一致可积性假设条件下成立的一些极限定理，本文的讨论说明Ｃｅａｒｏ一致可积性在研究加权和的极限定理时是一个很有效的工具，结论推广与改进了若干熟知的重要结果．     

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．     

用Tchebycheff-Fourier级数的Fejér和逼近函数类Lipα的误差

考虑用Ｔｃｈｅｂｙｃｈｅｆｆ－Ｆｏｕｒｉｅｒ级数的Ｆｅｊｅｒ和逼近ｆ（ｘ）∈Ｃ［－１，１］，在ｆ（ｘ）∈Ｌｉｐａ时得到了误差的表达式．     

独立随机变量部分和的强逼近与广义Erds-Rényi大数律

本文首先得到满足Bernstein条件的独立不同分布的随机变量序列部分和强逼近结果,此结果与i.i.d.情形完全一致,达到理想地步.利用强不变原理方法,我们研究了独立不同分布时的改进Erd6s—R《nyi大数定律,我们的结果推广了[2]和[3]的部分结果.