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.     

次线性期望空间下独立同分布序列的一个强大数定律

利用与概率空间不同的研究方法,研究次线性期望空间中独立同分布随机变量序列的加权和在某些条件下的一个强大数定律,从而将该定理从传统概率空间扩展到次线性期望空间.     

Peng g- 期望下的大数定律

Peng 于1997 年通过倒向随机微分方程引入了一类性质很好的非线性数学期望, 即g- 期望. 本文中, 我们将给出Peng g- 期望下的弱大数定律与强大数定律.     

次线性期望空间下广义ND序列的加权和的几乎处处收敛（英文）

本文研究了条件为C_V(|X|~p)∞, even ê(|X|p)≤C_V(|X|p), 0 p≤2的次线性期望空间下广义ND序列的加权和的几乎处处收敛.作为应用,我们的结果扩展了SILVA(2015)在概率空间下的相应结果.此外,本文的结果扩展了次线性期望空间下加权和的几乎处处收敛.     

次线性期望下Pareto型随机变量的大数律

本文对满足Pareto分布的随机变量建立了一些大数律,从而将经典概率空间中的相关结论推广到次线性期望空间中.基于Pareto分布,获得了一些独立随机变量序列加权和的弱大数律和强大数律.     

次线性期望下的完全Choquet积分收敛

本文主要研究了次线性期望下的完全收敛和完全Choquet积分收敛,创新之处在于把经典概率空间的完全收敛以及完全Choquet积分收敛扩展到了次线性期望空间.     

次线性期望空间下END随机变量加权和的极限定理（英文）

本文研究了在次线性期望空间中END序列的强大数定律(SLLN)非常广泛的形式.在随机变量上积分C_V(φ-(|X|))<∞存在的条件下(其中φ(x)=x^1/βl(x)),获得了次线性期望空间中END序列的强大数定律(SLLN).此外,我们的结果将[J.Math.Res.Expition,2011,31(6):1081-1091]中的相应结果推广到了次线性期望空间.     

B-值随机场强大数定律的收敛速度

本文研究B-值随机场强大数定律成立的条件、强大数定律的收敛速度以及部分和序列最大值的矩问题。同时,本文还得到了完全收敛的一个充分条件。     

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。     

B—值鞅大数定律的收敛速度

本文首先将条件Levy不等式做了推广,在此基础上得当了可分巴氏空间中与Gerold Alsmeyer（[1]）相类似的结果。     

次线性期望下弱负相关随机变量的性质及其强大数定律

强大数定律是非可加概率(或非线性期望)框架下的重要理论.目前己有许多有关非可加概率(或非线性期望)下独立同分布或负相关随机变量序列的强大数定律的研究文献.本文在非可加概率和次线性期望框架下,引入弱负相关随机变量的概念,并研究了弱负相关随机变量的有关性质.作为应用,本文还证明了弱负相关随机变量序列的强大数定律.     

B值随机变量阵列的大数定律及收敛速度

本文主要研究了B值随机变量阵列的大数定律和收敛速度,并刻划了Banach空间的几何特征。     

ρ-混合序列移动平均过程的完全矩收敛的收敛速率（英文）

本文在适当的矩条件下,通过利用ρ-混合序列移动平均过程的中心极限定理及其矩不等式,采用多重截尾的方法,获得了ρ-混合序列关于移动平均过程完全矩收敛的收敛速率相关结论,扩大了应用范围.     

理想收敛与几乎处处收敛（英文）

本文试图利用统计测度理论刻画Banach空间X中的序列为理想L-几乎处处收敛的特征.设L2~N为任意一个统计型的理想,令X_L=span{χA:A∈L}e_∞,p_L为商空间e_∞/X_L的商范数,p_L(e)表示半范数p_L在e≡χN点的次微分映射.本文证明了x~*∈p_L(e)为一个端点当且仅当x~*是保正交不变的.证明了序列(x_n)→X L-几乎处处收敛于x∈X当且仅当存在(x_n)的一个子列(x_(n_k))使得x_(n_k)→x(k→∞)且对任意x~*∈extp_L(e),x~*为{e_(n_k)}的w~*-聚点,其中extp_L(e)表示集合p_L(e)的所有端点构成的集合.     

次线性期望下的若干矩不等式

本文在Peng建立的次线性期望空间下证明了Bernstein不等式,Kolmogorov不等式以及Rademacher不等式.进一步,本文分别应用Bernstein不等式、Kolmogorov不等式以及Rademacher不等式对次线性期望空间下随机变量列的拟必然收敛性质进行了深入研究,并得到了相应的强收敛定理.     

大数定律的推广

引理1.設α≥0,則 引理2.若 1) y_n+1>y_n(n=1,2,…,); 2) (?)y_n=+∞; 3) (?)(x_n+1-x-n)/(y-n+1-y_n)存在,則 这两个引理的証明可参看[1]及[2];引理2又称为施篤茲定理。下面我們用σ_n~2表示随机变量ξ_n的方差,用ρ_(ij)表示随机变量ξ_i与ξ_j的相关系数。定理.設{ξ_n}是一随机变量序列,如果存在0≤λ<1,使得 1) (σ_1~2+…+σ_n~2)>A,对任何n成立; 2) 当|i-j|→∞时,|i-j|~λρ_(ij)一致趋向于0,則这随机变量列滿足弱大数定理。     

一类次线性基尔霍夫方程解的存在性（英文）

本文研究一类不确定型的基尔霍夫方程.在线性泛函满足新的次线性增长条件和扰动势能合适的条件下,利用变分法得到该类方程的非平凡解的存在性.     

次线性期望下的一般中心极限定理

受Peng-中心极限定理的启发,本文主要应用G-正态分布的概念,放宽Peng-中心极限定理的条件,在次线性期望下得到形式更为一般的中心极限定理.首先,将均值条件E[X_n]=ε[X_n]=0放宽为|E[X_n]|+|ε[X_n]|=O(1/n);其次,应用随机变量截断的方法,放宽随机变量的2阶矩与2+δ阶矩条件;最后,将该定理的Peng-独立性条件进行放宽,得到卷积独立随机变量的中心极限定理.