φ－混合序列大数律的收敛速度

在不加任何矩条件限制的情形下，研究了φ－混合序列大数律的收敛速度问题，得到了若干充分必要条件．     

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.     

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。     

φ-混合随机变量序列收敛性质的若干新结果

本文将Kolmogorov型不等式推广到φ-混合序列,并且研究其强收敛性质,得到了φ-混合序列的Khintchine-Kolmogorov型收敛定理、三级数定理和Marcitlkiewicz型强大数定律.     

不同分布φ混合序列乘积和的强收敛性

利用φ混合序列矩不等式讨论了φ混合亭列乘积和的强收敛性质．     

相依随机变量的强大数定律的收敛速度

本文讨论在φ-混合情况下随机强大数定律的收敛速度。此结果与i.i.d.情况一致。     

非同分布φ—混合序列的完全收敛性

本文研究φ－混合随机变量序列部分和（未必同分布）的完全收敛性问题。在对混合系数趋于零的速度没有任何限制下，得到了理想的结果，改进并推了邵启满（１９８８）的孔繁超（１９９０）的主要结果。     

关于相依随机变量弱不变原理的收敛速度

本文在非平稳且对混合速度的要求较弱的条件下，利用（１２）中的方法把混合情形的部分和的弱收敛速度问题转化为某鞅差序列的部分和过程的这一问题的讨论，然后适当截尾，用Ｓｋｏｒｏｈｏｄ的鞅嵌入方法，求得其收敛速度，其结果与独立同分布情形时的最佳结果相接近。     

φ混合序列的强大数律

讨论了不同分布φ混合序列的强大数律,推广了Kolmogorov强大数定律和Marcinkiewicz强大数定律.     

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.     

不同分布ρ混合序列的强收敛速度

讨论了ρ混合序列的强收效性,获得了与独立情形几乎一致的结果,推广了著名的Marcinkiewicz-Zygmund强大数律.     

ψ－混合序列大数律的收敛速度

在不加任何矩条件限制的情形下，研究了ψ－混合序列大数律的收敛速度问题，得到了若干充分必要条件．     

φ混合序列加权和的强大数定律

设{X_n;n≥1}为φ混合随机变量序列,利用φ混合序列的强收敛性及三级数定理,在适当的矩条件下,得到了不同分布φ混合序列加权和的强大数定律的一般结果.     

关于ρ-混合序列对数律的收敛速度

本文研究了ρ-混合序列对数律的收敛速度，在较弱的矩条件下得到了与独立同分布实随机变量类似的结果，并获得了ρ－混合序列满意对数律的一个充分性结果；讨论了ρ－混合序列重对数律的收敛速度的问题，得到了一个重对数律的充分性条件。     

非平稳φ-混合序列强律收敛速度的进一步探讨

本文研究非平稳φ 混合序列的强大数律：无需混合速度限制，给出了完全收敛成立的充要条件；在弱混合速度条件下，讨论了Ｍａｒｃｉｎｋｉｅｗｉｃｚ Ｚｙｇｍｕｎｄ强律成立的必要条件，进而得出混合情形的Ｍａｒｃｉｎｋｉｅｗｉｃｚ Ｚｙｇｍｕｎｄ强律，其结果与独立情形相一致．     

可交换随机变量序列重对数律的收敛速度

本文讨论了可交换随机变量序列{Xn:n≥1)重对数律的收敛速度,得到了可交换随机变量序列与独立序列类似的极限性质,同时给出了可交换序列重对数律收敛速度的一种描述.     

非平稳ψ—混合序列强律收敛速度的进一步探讨

本文研究非平稳ψ－混合序列的强大数律；无需混合速度限制，给出了完全收敛成立的充要条件；在弱混合速度条件下。讨论了Ｍａｒｃｉｎｋｉｅｗｉｃｚ－Ｚｙｇｍｕｎｄ强律成立的必要条件，进而得出混合情形的Ｍａｒｃｉｎｋｉｅｗｉｃｚ－Ｚｙｇｍｕｎｄ强律，其结果与独立情形相一致。     

B-值随机变量序列大数定律的收敛速度

设{X_n:n≥1}是在某可分Banach空间B上取值的独立随机变量序列,S_n=X_1+…+X_n,n≥1,对某00和>1,定义P_n(ε)=P(‖S_n‖/n~(1/p)≥ε)。本文的目的是研究当n→+∞时,P(ε)→0的速度,在Banach空间上推广了Heyde和Rohatgi的结果;同时,本文还讨论了P_n(ε)→0的速度与S_n/n~(1/p)→0 a.s.的关系问题。     

相依数据部分线性模型的M估计的收敛速度

讨论了相依数据部分线性模型的M估计的收敛速度问题,在一定条件下,证明了参数分量的M估计具有渐进正态性,非参量分量的回归B样条M估计达到非参数回归的最优全局收敛速度,这里的理论结果包括最小一乘估计、最小二乘估计、Huber M估计及L_p模估计作为特例.