部分和乘积的几乎处处中心极限定理

设X_n, n≥1是独立同分布正的随机变量序列, E(X₁)=u >0, Var(X₁)=σ², E|X₁|³<∞, 记S_n==∑^N_k=1X_k, 变异系数γ=σ/u.g是满足一定条件的无界可测函数, 证明了 lim_N→∞1/logN∑^N_n=11/n g((∏ⁿ_k=1S_k/n!uⁿ )^1/γ√n )=∫^∞₀g(x)dF(x),a.s., 其中 F(•) 是随机变量e^√2ξ 的分布函数, ξ 是服从标准正态分布的随机变量.     

α混合随机变量序列部分和乘积的几乎处处中心极限定理

利用子序列等方法,获得α混合随机变量序列部分和乘积的几乎处处中心极限定理的更优结果,改进了相关文献的结果.     

U-统计量的几乎处处中心极限定理

本文得到了U-统计量的几乎处处中心极限定理(ASCLT).在EX1=0,EX21=1下,Berkes等[7]在一定条件下获得了i.i.d.随机变量序列部分和的函数型ASCLT,本文在同样的条件下取得了类似的结果.     

U-统计量的几乎处处中心极限定理

本文得到了U-统计量的几乎处处中心极限定理(ASCLT).在EX1=0,EX2=1下,Berkes等[7]在一定条件下获得了i.i.d.随机变量序列部分和的函数型ASCLT,本文在同样的条件下取得了类似的结果     

随机变量序列函数的几乎处处中心极限定理

该文证明了随机元序列的一个一般的几乎处处中心极限定理, 并把这一结论应用于随机变量序列的函数.     

距离空间上的几乎处处中心极限定理

该文得到了关于一般可分距离空间上独立随机元序列的几乎处处中心极限定理(almost sure central limit theory, 简记为ASCLT). 作为应用, 该文给出了取值于可分Banach空间上随机元序列以及一类随机场序列满足ASCLT的充分条件,最后给出了关于多维随机变量序列极值的ASCLT.     

随机函数的几乎处处中心极限定理

设{X_n,n≥1}是独立同分布随机变量序列,EX_1=0,EX_1~2=1．设S_n=∑_i~n=1 X_i,T_N=T_N(X_1,…,X_n)是随机函数且T_N=AS_N+R_n．我们证明若supE|R_n|＜∞,R_n=o n~(1/2)a．s．或R_n=O(n~(1／2-2γ))a．s．(0＜γ＜1／8),则对随机函数T_n几乎处处中心极限定理(简记为ASCLT)和函数型几乎处处中心极限定理(简记为FASCLT)成立．由此作为推论,可得对U统计量、Von-Mises统计量、线性过程、移动平均过程、线性模型中误差方差估计、功率和、连续分布函数的乘积极限估计和分位点函数的乘积极限估计等均成立着ASCLT和FASCLT．     

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及LNQD随机变量列的几乎处处中心极限定理

本文在二阶矩存在的条件下,证明了NA及LNQD随机变量列的几乎处处中心极限定理,使主要结果成立,其中W为[0,1]上标准Brown运动。     

相伴随机变量序列的泛函型几乎处处中心极限定理

对于均值为零的平稳相伴随机变量序列,首先证明了在L(n)=EX_1~2 2 sum from n to j=2 Cov(X_1,X_j)是一个缓变函数的条件下的泛函型几乎处处中心极限定理.另外还给出了正则化部分和函数的对数平均几乎处处收敛性.     

Almost Sure Central Limit Theorems for Heavily Trimmed Sums

We obtain an almost sure central limit theorem (ASCLT) for heavily trimmed sums. We also prove a function-typed ASCLT under the same conditions that assure measurable functions to satisfy the ASCLT for the partial sums of i.i.d, random variables with E X1 = 0, EX1^2 = 1.     

Almost Sure Central Limit Theorem for Partial Sums of Markov Chain

The authors prove an almost sure central limit theorem for partial sums based on an irreducible and positive recurrent Markov chain using logarithmic means,which realizes the extension of the almost sure central limit theorem for partial sums from an i.i.d.sequence of random variables to a Markov chain.     

An Improved Result in Almost Sure Central Limit Theory for Products of Partial Sums with Stable Distribution

Consider a sequence of i.i.d. positive random variables with the underlying distribution in the domain of attraction of a stable distribution with an exponent in (1, 2]. A universal result in the almost sure limit theorem for products of partial sums is established. Our results significantly generalize and improve those on the almost sure central limit theory previously obtained by Gonchigdanzan and Rempale and by Gonchigdanzan. In a sense, our results reach the optimal form.     

An Almost Sure Central Limit Theorem for Weighted Sums of Mixing Sequences

In this paper, we prove an almost sure central limit theorem for weighted sums of mixing sequences of random variables without stationary assumptions. We no longer restrict to logarithmic averages, but allow rather arbitrary weight sequences. This extends the earlier work on mixing random variables.     

Critical Behavior in Almost Sure Central Limit Theory

Let X ₁,X ₂,… be i.i.d. random variables with EX ₁=0, EX ₁²=1 and let S _k =X ₁+⋅⋅⋅+X _k . We study the a.s. convergence of the weighted averages