非负整值随机序列滑动平均的若干强偏差定理

利用似然比的概念,结合分析方法,在适当的条件下,给出了任意整值随机序列滑动平均的上界和下界。     

相依随机序列滑动平均的若干极限定理

基于服从指数分布的独立随机变量序列,构造带参数的滑动似然比,给出任意随机序列的用不等式表示的强极限定理,即小偏差定理。所得结果推广了已有结论。     

关于次高斯随机序列的一类强偏差定理

讨论次高斯随机序列部分和的极限性质,引入相对熵的概念,利用似然比极限性质并与分析方法相结合,推广了关于次高斯随机序列已有的强极限定理,并给出了用不等式表示的一类关于次高斯随机序列的强极限定理,即强偏差定理。     

END随机序列滑动平均的若干极限定理

利用条件E（exp{t｜X1｜1p}）〈$,（p〉1）,证明END随机序列滑动平均的极限定理,给出形如（logn）-p n＋（logn）p ∑k=n＋1 Xk的滑动平均的上下界,得到了经典强大数定律。     

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。     

局部次高斯随机序列算术平均的强偏差定理

利用相对熵的概念及分析方法,研究局部次高斯随机序列部分和的极限性质,推广了关于局部次高斯随机序列已有的强极限定理,并给出了用不等式表示的一类关于局部次高斯随机序列部分和算术平均的强极限定理。     

关于m值随机序列的一个强偏差定理

引进在(1，2，…，m)中取值的随机变量序列相对于m个状态的马氏链的似然比的概念，并利用这个概念给出了一个m值随机变量序列的强偏差定理。     

整值随机变量序列的一类强律的信息条件

引进相对熵密度偏差作为的任意整值随机变量序列相对于股从几何分布的独立随机变量序列的偏差一种度量，并通过限制相对熵密度偏差，给出了整值随机变量序列的强大数定理成立的一个充条件。     

关于任意随机序列的一个强偏差定理

引入任意随机变量序列极限对数似然比概念,作为任意相依随机序列联合分布与其边缘乘积分布“不相似”性的一种度量,利用截尾方法构造几乎处处收敛的上鞅,给出了一个关于任意随机序列的强偏差定理。     

整值随机变量序列的一类强律的信息条件

引进相对熵密度偏差作为任意整值随机变量序列相对于服从几何分布的独立随机变量序列的偏差一种度量，并通过限制相对熵密度偏差，给出了整值随机变量序列的强大数定理成立的一个充分条件．     

连续型随机变量序列加权和的若干小偏差定理

利用条件矩母变换,得到了关于任意连续型随机序列加权和的若干小偏差定理.     

相依序列无规则性的若干强偏差定理

利用随机序列的似然比与相对熵概念作为刻画任意相依随机序列独立逼近的随机性度量,借助B-C引理与纯分析的方法,给出了用不等式形式表示的关于任意离散随机序列无规则性的强极限定理。     

C-T型条件下连续随机序列的一类强偏差定理

利用随机序列渐近对数似然比的概念构造几乎处处收敛的上鞅,在适当的C-T型条件下给出了任意相依连续型随机序列的两个强偏差定理。     

样本相对熵率与一类关于随机选择系统的强偏差定理

将样本相对熵率和随机选择系统的概念引入任意整值随机变量序列的研究，在样本空间的子集上把样本相对熵率作为任意整值随机变量序列与非齐次马氏链之间偏差的一种度量，给出了一类关于随机选择系统的强偏差定理．     

非负整值随机变量序列的一类强偏差定理

利用上鞅的性质，研究似然比rn与ψn之间的若干极限关系，得到了一类用不等式表示的强极限定理(称之为强偏差定理)，其偏差界依赖样本点。     

关于任意信源的一类强偏差定理

设{Xn，n≥0)是字母集为S={1，2，…，m)的任意信源，其联合分布为p(x1,…，xn),利用相对于非齐次马氏信源熵密度偏差的概念，研究任意离散信源的极限性质，得到了一类用不等式表示的强极限定理(称之为强偏差定理)。