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(p)-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p-混合随机变量序列的强大数定理.     

混合序列的强大数定律

讨论了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。     

关于混合序列的一些结果

我们在文中给出了一个有用的引理,借助于该引理得到了混合序列的强大数律,所得结果改进了以前的结论。     

可控制随机变量序列的强极限定理

建立可控制随机变量序列的一个强极限定理,其方法是通过构造适当的鞅,然后利用鞅收敛定理进行证明。Ｋｏｌｍｏｇｏｒｏｖ强大数定律是结果的一个特例。     

离散随机变量序列的一类强极限定理

设（Ｘｎ）是在有限或可列数集中取值随机变量序列，（ａｎ）是递增的正数序列。本文给出Σｎ＝１ ∞ １／ａｎ〔Ｘｎ－Ｅ（Ｘｎ│Ｘ０，．．．，Ｘｎ－１）〕ａ．ｅ．收敛的一类充分条件，所得结果是一类经典强大数定律的推广。证明中发展了作者在文献中提出的研究离散机变量序列强极限定理的分析方法。     

N值随机变量序列的AEP型极限及若干强偏差定理

设（Ｘｎ,ｎ≥１）是在Ｓ＝（１,２,…,Ｎ）中取值的随机变量序列,其分布为ｐ（Ｘ１,…,Ｘｎ）,ｌｉｍｉｎｆ（ｐ（Ｘ１,…,Ｘｎ）＾１／ｎ与ｌｉｍｓｕｐ（ｐ（Ｘ１,…,Ｘｎ）＾１／ｎ称为ＡＥＰ型极限,利用这些极限得到（Ｘｎ,ｎ≥１）若干强偏差定理,即一类用不等式表示的强极限定理。     

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。     

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。     

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。     

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。     

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。     

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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.     

B值随机变量序列的强极限定理

讨论Ｂ值随机变量序列的强收敛性,利用优化技巧得到了强极限定理以及大数定律成立的充分条件。     

随机变量序列几何平均的一个强极限定理

利用似然比概念作为一般连续型随机变量相对于乘积幂函数分布的偏差的一种随机性度量,运用鞅方法及分析方法,得到了一种7新形式的大数定理,即关于随机变量几何平均Gn(ω)=[п^ni=1Xi]^1/n的强极限定理。     

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。     

似然比与整值随机变量序列的一类极限定理

引进似然比作为整值随机变量序列相对于服从负二项分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上得到了任意整值随机变量的一类用不等式表示的极限定理，独立随机变量序列的一类强律是其特例。     

关于连续型随机变量序列在任意区间中出现频率的强偏差定理

利用文献[1]与[2]中提出的分析方法研究连续型随机变量序列在任意区间中出现频率的极恨性质,得到一类用不等式表示的强偏差定理。     

关于对数分布的一个强大数定理

通过区间剖分法构造一个辅助函数,然后利用单调函数导数存在定理来证明具有对数分布的随机变量序列的一个强大数定理。