(ρ～)混合随机变量序列加权和最大值的几乎处处收敛性

利用(ρ～)混合随机变量的矩不等式获得了以ank为加权系数的(ρ～)混合随机变量序列加权和最大值的强收敛性,所得结论概括并推广了独立情形的相应结果.     

φ混合序列Jamison型加权和的强稳定性

主要研究同分布φ混合序列广义Jamison型加权和的强收敛.依据φ混合序列Jamison型加权和及加权乘积和的强稳定性的理论,以及φ列的强稳定性和完全收敛性,把在独立同分布随机变量序列及NA列中Jamison型加权和得到的结果应用推广到了φ混合序列,并得到了一些关于Jamison型加权乘积和强收敛性的相关定理.     

相依序列加权和的强收敛速度

研究了矩限制的φ－混合或强混合随机变量序列加权和强收敛速度问题，在关于混合系数趋于零的速度的适当限制下，所得结果达到了鞅差序列或独立序列情形时的相应结果。     

相依序列加权和的强收敛速度

研究了矩限制的φ-混合或强混合随机变量序列加权和的强收敛速度问题,在关于混合系数趋于零的速度的适当限制下,所得结果达到了鞅差序列或独立序列情形时的相应结果。     

可交换随机变量序列加权和的收敛性

作为可交换随机变量在统计中的应用,将独立同分布随机变量序列加权和的相合性的结果推广到了可交换随机变量的情形,得到了可交换随机变量加权和收敛性的相应结果。     

■混合序列加权和的完全收敛性和强收敛性

随机变量取值的统计规律性往往通过大量的重复观测来体现,对大量重复观测作数学处理的常用方法是极限理论.独立同分布随机变量的极限理论已经很完善,近年来混合序列的极限理论发展较快,有的结果已接近独立同分布情形.讨论了一类较广泛的 φ混合序列加权和的收敛性质,获得了它的完全收敛性和强收敛性等性质.     

(ψ)混合序列加权和的完全收敛性和强收敛性

随机变量取值的统计规律性往往通过大量的重复观测来体现,对大量重复观测作数学处理的常用方法是极限理论.独立同分布随机变量的极限理论已经很完善,近年来混合序列的极限理论发展较快,有的结果已接近独立同分布情形.讨论了一类较广泛的(ψ)混合序列加权和的收敛性质,获得了它的完全收敛性和强收敛性等性质.     

φ混合序列加权和的完全收敛性和强收敛性

随机变量取值的统计规律性往往通过大量的重复观测来体现，对大量重复观测作数学处理的常用方法是极限理论．独立同分布随机变量的极限理论已经很完善，近年来混合序列的极限理论发展较快，有的结果已接近独立同分布情形．讨论了一类较广泛的φ混合序列加权和的收敛性质，获得了它的完全收敛性和强收敛性等性质．     

多指标随机控制变量加权和的极限定理

利用鞅差序列的直交性质,推广了单指标随机控制随机变量加权的结果,给出了多指标随机控制随机变量加权和的极限定理。     

强混合序列加权和及部分和之和乘积的几乎处处中心极限定理的推广

设｛Ｘ,Ｘ_ｎ,ｎ≥ １｝为同分布的强混合正随机变量序列,利用混合序列加权和的中心极限定理及矩不等式,获得了权重为ｄ_ｋ ＝ｋ^－１ｅｘｐ｛ｌｎ^αｋ｝（０≤ α＜１／２）的强混合序列加权和及部分和之和乘积的几乎处处中心极限定理。     

NA随机变量序列加权和的几乎处处收敛性

研究了NA随机变量序列加权和的几乎处处收敛性,利用截尾法和Borel-Cantelli引理,证明了加权系数ank为列阵情形的强收敛性,推广了独立随机序列加权和的强收敛性。     

随机变量阵列的一个强大数律

随机变量序列的大数定律在概率极限理论和数理统计中扮演着重要的角色,经典的大数律主要是研究独立同分布的随机变量序列,后来许多学者致力于减弱独立同分布这一条件,或将随机变量序列推广到随机变量阵列.文章主要研究任意随机变量阵列的强大数律,利用Borel-Cantelli引理和鞅差序列的结论,通过推理论证,得到了任意随机变量阵列的一个强大数律,并且作为特例,得到了随机变量序列加权和的强大数律.     

随机变量序列与指数分布序列的比较及若干强偏差定理

利用对数似然比作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量，运用鞅理论及分析方法，研究了一类随机变量序列加权和的用不等式表示的极限定理，即强偏差定理。     

随机变量序列基于指数分布的强偏差定理

利用样本相对熵作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量我偏差的一种随机性度量,运用鞅理论及分析方法,研究了一类随机变量序列加权的用不等式表示的极限定理,即强偏差定理。     

强混合随机变量序列的一个几乎处处中心极限定理

研究了强混合随机变量序列的几乎处处中心极限定理。利用子序列等方法,获得了强混合随机变量序列几乎处处中心极限定理的一个较优结果。     

离散随机序列加权和的一个强极限定理

利用网微分法,给出了离散型随机变量序列加权和的一个极限定理。     

Ψ-混合随机变量线性形式的强稳定性

给出了一些ψ-混合随机变量线性形式的新结果,它推广了独立随机变量的相应定理。     

一类随机变量序列加权和的强大数定律

研究一类被随机控制的随机变量序列加权和的Marcinkiewicz -Zygmund型强大数定律.在满足Rosenthal型不等式的情况下得到了比经典Marchinkiewicz -Zygmund型强大数定律稍强的大数定律,并将所得结论推广到了更为广泛的一类随机变量序列上.     

混合加权集成算子及其在决策中的应用

对数据信息混合加权集成算子进行了研究。基于混合加权平均(HWA)算子和组合加权几何平均(CWGA)算子提出了2种新的混合加权集成算子,即混合有序加权平均(HOWA)算子和混合有序加权几何(HOWG)算子;基于广义有序加权平均(GOWA)算子,又提出了2种新的混合加权集成算子即广义混合加权平均(GHWA)算子和广义混合加权几何(GHWG)算子;证明了HWA算子和HOWG算子是GHWA算子的特例,CWGA算子和HOWA算子是GHWG算子的特例。最后,通过实例说明了混合加权集成算子在多属性决策中的应用。     

按行可交换随机向量函数加权和的收敛性

因为可交换随机变量无限列的基本结构定理De-Finetti定理对可交换的有限列不成立,所以必须寻找另外的办法解决可交换随机变量有限列的渐近性质问题。通过选取适当的σ－代数,采用适当的矩条件和非正交性度量条件,利用逆鞅方法讨论了按行可交换随机向量三角阵列函数加权和收敛性,得到的按行可交换随机向量三角阵列函数加权的两个结论,分别推广了按行可交换随机变量大数定律的相应结果,可应用于可交换双变总体随机抽样统计量收敛性的研究中。