ρ～混合序列部分和的强大数定律

利用随机变量的截尾方法和ρ～混合序列的矩不等式,得到了矩条件下ρ～混合序列的一类强大数定律,丰富了若干已有的强大数律。     

(ρ～)混合随机变量列部分和最大值的极限特性

讨论了(ρ～)混合随机变量序列在假定Cesàroα可积情况下部分和最大值的极限特性,得到了其完全收敛性和平均收敛性,所得结果改进并且推广了相关文献中的结论.     

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.     

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混合随机变量的矩不等式获得了以ank为加权系数的ρ槇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。     

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。     

关于ρ-混合序列的若干强极限定理

运用截尾的方法和三级数定理,在一定条件下研究了ρ-混合随机变量序列的强大数定理。     

关于-混合序列的若干强极限定理

运用截尾的方法和三级数定理,在一定条件下研究了ρ-混合随机变量序列的强大数定理。     

(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.     

混合序列加权和的若干收敛性质

讨论了ρ混合序列加权和的弱收敛性、Lp收敛性和完全收敛性定理,推广了前人的一系列结果。     

关于(ρ~)混合序列加权乘积和的强稳定性

讨论了~↑ρ混合序列加权乘积和的强稳定性，推广和改进了独立情形的Jamison等定理．     

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。     

ρ混合阵列加权和的收敛性质

在较宽泛的条件下研究了不同分布ρ混合阵列行加权和的收敛性质,利用矩不等式和截尾方法,获得了一般双下标加权系数的加权部分和的Lp收敛性和完全收敛性定理,改进了吴群英与王远清（2007）的相应结果.     

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。     

ρ~--混合序列自正则部分和乘积的几乎处处中心极限定理

设{X,X_n}_(n∈N)是一严平稳的ρ~--混合随机变量序列。在一定的条件下,证明了自正则部分和乘积(k∏i=1(S_i/(μi)))~(μ/(βV_k))的几乎处处中心极限定理,其中,S_n=n∑i=1X_i,V_n~2=n∑ i=1X_i~2。     

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.     

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．     

NA样本均值的随机加权估计及应用

研究了随机变量序列{Xn,n≥1}为NA相协样本条件下,均值Xn的随机加权逼近.用n(Hk(x)-Xn)的条件分布去模拟n(Xn-μ)的分布,证明了该分布的随机加权逼近及其收敛性,并对研究结果进行了仿真分析.