随机变量序列几乎处处收敛的几个等价命题

由随机变量序列几乎处处收敛可推出其依概率收敛，进而可推出其依分布收敛，可见判别几乎处处收敛的重要性．给出了它的几个等价命题，同时还证明了独立随机变量和序列几乎处处收敛等价于依概率收敛，亦等价于依分布收敛．     

随机变量列的收敛性及其相互关系

给出了随机变量列的依概率收敛、依分布收敛、几乎必然收敛的定义,举例说明了其应用,并研究了三种收敛性之间的相互关系.     

随机变量序列四种收敛的若干性质及其四则运算

以数列收敛的一些性质为依托,证明了随机变量序列的依概率收敛、几乎处处收敛、r-阶收敛及依分布收敛这四种收敛的极限存在的充分必要条件、存在准则,并得出:依概率收敛和几乎处处收敛与数列收敛性质一样,可以进行四则运算,而r-阶收敛只能进行加减运算,依分布收敛则不能进行四则运算。     

关于随机变量序列收敛性关系的探讨

在完备的概率空间 (Ω,, P)下,讨论了实值随机变量序列 {ξ n}的完全收敛、几乎处处收敛、 r次平均收敛、依概率收敛、依分布收敛之间的相互关系,得到若干有意义的常用结论。     

关于随机变量序列收敛性关系的探讨

在完备的概率空间（Ω,F,P)下,讨论了实值随机变量序列{ζn}的完全收敛,几乎处处收敛、r次平均收敛、依概率收敛、依分布收敛之间的相互关系,得到若干有意义的常用结论。     

复值随机变量序列几种收敛性的关系

研究了复值随机变量序列的完全收敛,几乎处处收敛,r阶平均收敛,依概率收敛之间的相互关系,得到了几个有意义的结论.     

埃尔米特多项式与随机变量

讨论当埃尔米特多项式中的自变量是随机变量时所具有的性质,以及一列同分布的随机变量乘积和依概率收敛于埃尔米特多项式.     

完全收敛性与可测函数序列几种收敛性的关系

本文讨论了完全收敛性与可测函数序列依测度收敛、几乎处处收敛以及强收敛之间的等价关系,并且给出了依测度收敛、几乎处处收敛与完全收敛之间等价的充分必要条件,即fn（x）单调增加,并且（An）两两不相交,其中An=[｜fn-f｜≥ε],任意ε〉0。     

完全收敛性与可测函数序列几种收敛性的关系

本文讨论了完全收敛性与可测函数序列依测度收敛、几乎处处收敛以及强收敛之间的等价关系,并且给出了依测度收敛、几乎处处收敛与完全收敛之间等价的充分必要条件,即fn(x)单调增加,并且(An)两两不相交,其中An=[|fn-f|≥ε],ε>0。     

SLUTSKY定理的推广

Ｓｌｕｔｓｋｙ定理指出：如果随机变量序列｛Ｘ１ｎ｝，｛Ｘ２ｎ｝，…，｛Ｘｍｎ｝分别依概率收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，那么任意一个有理函数Ｒ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）也依概率收敛到常数Ｒ（ａ１，ａ２，…，ａｍ），只要Ｒ（ａ１，ａ２，…，ａｍ）有限。本文从两个方面推广了这一结果：第一，若上述随机变量序列分别依概率收敛到随机变量Ｘ１，Ｘ２，…，Ｘｍ，ｇ（ｘ１，ｘ２，…，ｘｍ）是ｍ维欧氏空     

SLUTSKY定理的推广

Ｓｌｕｔｓｋｙ定理指出：如果随机变量序列｛Ｘ１ｎ｝，｛Ｘ２ｎ｝，…，｛Ｘｍｎ｝分别依概率收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，那么任意一个有理函数Ｒ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）也依概率收敛到常数Ｒ（ａ１，ａ２，…，ａｍ），只要Ｒ（ａ１，ａ２，…，ａｍ）有限．本文从两个方面推广了这一结果：第一，若上述随机变量序列分别依概率收敛到随机变量Ｘ１，Ｘ２，…，Ｘｍ，ｇ（ｘ１，ｘ２，…，ｘｍ）是ｍ维欧氏空间Ｒｍ上的连续函数，则ｇ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）依概率收敛于ｇ（Ｘ１，Ｘ２，…，Ｘｍｎ）．第二，若上述随机变量序列分别收敛到ｍ个有限常数ａ１，ａ２，…，ａｍ，又Ｂｏｒｅｌ可测函数ｇ（ｘ１，ｘ２，…，ｘｍ）在点（ａ１，ａ２，…，ａｍ）处连续，则ｇ（Ｘ１ｎ，Ｘ２ｎ，…，Ｘｍｎ）依概率收敛到ｇ（ａ１，ａ２，…，ａｍ）．     

统计收敛意义下的Slutsky定理

引入统计依概率收敛和统计依分布收敛,比较了统计依分布收敛和一般意义下的依分布收敛之间的关系,并证明了统计收敛意义下,Slutsky定理仍然成立,这为建立统计收敛下的概率极限理论奠定了基础.     

矩条件下随机序列部分和的几乎必然收敛性

设{Xn,n≥1}是任一随机变量序列．通过研究矩条件下任意随机变量序列部分和的几乎必然收敛性的问题,利用William F．Stout在二阶矩条件下获得的随机变量序列几乎必然收敛的定理,从而得到了两种矩条件下随机变量序列部分和的几乎必然收敛性的充分条件．     

函数序列关于几乎处处弱收敛概率测度序列积分的单调收敛定理

研究了函数序列关于几乎处处弱收敛概率测度序列积分的单调收敛性,在新的条件下得到了单调收敛定理,并推证出概率测度几乎处处弱收敛的若干新的等价条件.     

NA阵列的收敛性

建立了NA阵列的一个概率不等式及相关的矩不等式,研究了NA随机变量阵列的依概率收敛性、完全收敛性和几乎处处收敛性.     

Lp空间上依测度收敛与依范数收敛的关系

Lp空间中的函数列{nf(x)}依测度收敛与依范数收敛的基本关系是:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)a.e于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

可积函数空间上两种收敛性的关系

可积函数空间Lp空间中的函数列{fn(x)}依测度收敛与依范数收敛的基本关系:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)ae于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

概率论中斯鲁茨基定理的两个拓广

若随机变量列Ｘ_（１ｎ）（ω），Ｘ_（２ｎ）（ω），…，Ｘ_（ｋｎ）（ω）分别依概率（或几乎处处）收敛于常数ｃ_１，ｃ_２，…，ｃ_ｋ，而ｆ（ｘ_１，ｘ_２，…，ｘ_ｋ）是ｋ维欧几里得空间Ｒ￣ｋ中在点（ｃ_１，Ｃ_２，…ｃ_ｋ）连续的波勒尔可测函数，则随机变量ｆ（ｘ_（１ｍ）（ω），…，Ｘ_（ｋｎ）（ω）也依概率（相应地，几乎处处）收敛到常数ｆ（ｃ_１，ｃ_２，…，ｃ_ｋ）。这是概率论中斯鲁茨基定理的拓广。     

随机变量的依概率统计收敛

在一般的概率空间中借鉴依概率统计收敛的定义,讨论了依概率统计收敛的一些重要问题,得到了一些系统的结论.     

由依概率收敛推出r阶收敛的条件

设ζｎ依概率收敛于ζ，众所周知，此时ζｎ未必ｒ阶收敛于ζ；如果给ζｎ附加一些另外条件，则ζｎ可ｒ阶收敛于ζ，本文了几个这样的定理，它们推广了有关文献中的类似定理。