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．     

(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.     

不同分布■混合序列的强收敛性

讨论了不同分布φ~混合序列的强收敛性,获得了与独立情形几乎一致的结果,推广了著名的Kolmogrov强大数律.     

不同分布^～φ混合序列的强收敛性

讨论了不同分布^～φ混合序列的强收敛性，获得了与独立情形几乎一致的结果，推广了著名的Kolmogmv强大数律．     

不同分布混合序列的完全收敛性

讨论了ρ~混合序列的完全收敛性质,利用矩不等式,通过截尾等手法,获得了几乎与独立情形完全一样的Baum和Katz的完全收敛定理.     

不同分布混合序列加权和的完全收敛性和强收敛性

讨论了不同分布混合序列加权和的完全收敛性和强收敛性,推广了Stout和Thrum定理。     

不同分布(ρ)混合序列的完全收敛性

讨论了ρ^～混合序列的完全收敛性质，利用矩不等式，通过截尾等手法，获得了几乎与独立情形完全一样的Baum和Katz的完全收敛定理。     

不同分布(ρ)混合序列加权和的完全收敛性和强收敛性

讨论了不同分布(ρ)混合序列加权和的完全收敛性和强收敛性,推广了Stout和Thrum定理.     

不同分布～↑ρ混合序列加权和的完全收敛性和强收敛性

讨论了不同分布～↑ρ混合序列加权和的完全收敛性和强收敛性,推广了Stout和Thrum定理。     

φ-混合随机变量序列加权和的完全收敛性

讨论了同分布下的φ-混合随机变量序列的完全收敛性,构建了1个定理和1个推论,它改进了前人的一些研究成果,获得了更一般的结论．     

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。     

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。     

AANA阵列部分和的收敛性

利用AANA序列的性质及Markov不等式,研究了比NA序列更弱的AANA阵列部分和的收敛性.利用截尾方法和矩不等式,证明了AANA阵列的完全收敛性,所得结果改进和推广了文献[8]的结果.     

两两NQD阵列加权乘积和的完全收敛性

利用截尾和矩不等式方法,研究在h-可积条件下两两NQD阵列加权乘积和的完全收敛性,所得结果推广和改进了文献[7]中定理2.2的结论.     

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.     

两两NQD随机序列的完全收敛性

利用矩不等式和截尾方法,研究了两两NQD随机序列的完全收敛性,并将独立阵列的相关极限定理推广到了两两NQD阵列的情形,所得结果推广和改进了文献[6]中定理3的结论.     

任意二值随机序列的一个极限定理

用刘文提出的分析方法构造单调函数结合Ｄｅｂｅｓｇｕｅ定理,得到了一个对二值随机序列普遍成立的强极限定理。     

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。