(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.     

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。     

P混合序列的一个强大数律

利用随机变量的截尾方法和芦混合序列的三级数定理,得到了矩条件下芦混合序列的一类强大数定律,推广了若干已有的强大数律。     

～ρ-混合样本下线性模型误差分布的相合核估计

对于有公共的未知分布密度f(x)的一个线性模型的误差序列,首先利用收敛系统原理证明了回归系数β的最小二乘估计的相合性,然后由～ρ-混合序列的矩不等式,得到了f(x)的核估计^fn(x)的逐点弱相合性.     

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.     

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。     

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。     

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混合序列的强大数定律

讨论了～↑ρ混合序列的Kolmogorov强大数定律,并推广到了在一类广泛的条件下的不同分布的情形。     

两两NQD列的一个强大数律

利用随机变量的截尾方法和两两NQD序列的三级数定理,得到了矩条件下两两NQD序列的一类强大数定律,推广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.     

NA随机变量序列的Chung-Teicher型强大数定律

将独立序列情形时经典的Kolmogorov、Chung和Teicher型的强大数律推广到NA序列,利用最大值矩不等式以及Fazekas-Klesov定理,给出了Chung-Teicher型的强大数定律。文中的推论给出了将定理条件具体化的强大数定律,使定理具有现实意义。     

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。     

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。     

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。     

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φ^~混合序列的弱大数定理

通过利用矿混合序列的矩不等式推导出φ^~混合阵列行和的一个弱大数定理,并由φ^~混合阵列行和弱大数定理得出不同分布矿混合序列的一个弱大数定理。     

关于相依变量的最大矩估计

本文我们讨论随机变量序列部分和最大矩估计,首先对α－ｍｉｘｉｎｇ和ρ－ｍｉｘｉｎｇ序列,我们证明了在一定条件下有Ｅｍａｘｔ≤ｉ≤ｎㄧＳｉㄧ＾２〈〈ｎｌｏｎｎ;其次对于任意随机变量序列,我们对Ｅｍａｘｔ≤ｉ≤ｎㄧＳｉㄧ＾ｐ的界定进行了估计,这里ｐ≥２。     

独立随机变量序列的强大数定律

将刘文的分析方法应用于独立随机变量序列,得到了序列服从强大数定律的一个与指数矩相关的充分条件如下:存在一个正数δ使得对所有正整数n,δX_n 与-δX_n的指数矩都有限,且对趋于无穷的正数序列{b_n},λΧ_j的指数矩的λ分之一次幂的自然对数与-λΧ_j的指数矩的一λ分之一次幂的自然对数的差,被b_n除,对j从1到n求和,和式当n趋于无穷时的上极限当正数入趋于零时收敛于零。     

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．