行为两两NQD随机变量阵列加权和的完全收敛性

负相依在统计分析和可靠性理论中有着广泛的应用.研究了一类行为两两NQD随机变量阵列加权和的完全收敛性.利用矩不等式和有效的截尾方法,建立了行为两两NQD随机变量阵列加权和的完全收敛性的充要条件,从而推广了吴群英等建立的关于一类NA随机变量序列的完全收敛性的结论.     

-相依变量随机和的Poisson收敛性定理

在近年来大量出现的关于Poisson逼近和Poisson收敛性问题的工作中,关于相依变量随机和的Poisson收敛性定理尚未讨论.本文就随机变量为(?)-相依时,做了这方面的工作.对于两个非负整值随机变量X与Y,定义它们的全变差距离为     

关于PA随机变量序列的Hejek-Renyi型不等式应用的一个注记

在一定条件下对正相伴随机变量序列{Xn,n≥1}建立了其部分和的强大数定律型的结果以及X1,X2,…,Xn的算术平均的完全收敛型的结果.并采用不同的方法(即建立在Hejek-Renyi型不等式之上的方法)进行论证.     

负相伴随机变量序列矩完全收敛的精确渐近性

假设{X,Xn;n≥1}为平稳的负相伴随机变量序列.对其矩完全收敛的精确渐近性进行讨论.令EX1=0,E|X1|3＜∞,且满足相应的条件.记Sn=X1+X2+…+Xn,n≥1,σ2=EX1+2(∞∑j=2)E(X1Xj)＞0.若E|X|r＜∞,1＜p＜2,r＞1+p/2,成立(limε↘0)ε2(r-p)/2-p-1 (∞∑n=1)nr/p-2-1/pE{|Sn|-(σεn1/p)}+=p(2-p)σ/(r-p)(2r-p-2)E|N|2(r-p)/2-p,其中N为标准正态随机变量.     

随机和的泊松收敛定理

设{X_(ni)}是i,i,d的非负整值随机变量组列,{N_n}是非负整值随机变量序列,且与{X_(ni)}独立,本文借助Stein-Chen方法,证明了sum from i=1 to Na(X_(ni))的极限分布是泊松分布,并对此结果作了适当的推广     

多指标随机变量部分和的精确渐近性

令Z＋^d为d维非负整数格点集,{X,Xk：k∈Z＋^d}为独立同分布,均值为0的随机变量列．令Sn=∑k≤nXk,k,n ∈Z＋^d,给出这种随机变量部分和Sn的精确渐近性．     

AANA序列部分和的收敛性质

利用对AANA随机变量做截尾方法处理,给出AANA随机变量序列的三级数定理.研究了在矩条件下,AANA随机变量序列的一类强极限定理和强大数定律.由于AANA随机变量序列比NA随机变量序列要弱,故本文所得的结论对NA随机变量序列仍然成立.     

N A随机变量的指数不等式和一个强大数律

本文给出了随机变量是 NA序列的情形下的一些指数不等式和一个强大数律 ,把随机变量是i. i. d . 序列的情形作了相应的推广 .     

负相协随机变量和的中偏差

设X1,X2,…是一列负相协的随机变量,Xn的分布为Fn,其属于D族.假设μn=E(Xn)x)的一致渐近式,其中γ>0,a(n)是一个满足limn→!a(n)/n=0的正函数.     

负相伴随机序列的bootstrap中心极限定理

对于负相伴（NA）的严平稳随机序列，证明在二阶矩存在的条件下，其Moving Block Bootstrap样本满足中心极限定理．     

ND随机变量列的指数不等式

主要研究了同分布ND随机变量列的指数不等式,通过指数不等式得出关于ND随机变量列强大数定律的收敛率为O（1）n1/2（logn）-1/2.推广了Soo Hak Sung（2009）关于NA的结果.     

关于NA情况下重对数律收敛速度的一般形式

研究了NA序列重对数律收敛速度的一般形式，把Davis和Gut的结果推广到了NA的情形，并使梁汉营等人关于对数律一个结果成为特例；作为推论，得到了关于NA序列重对数律收敛速度的充分条件．     

END随机变量序列移动平均过程的极限性质

介绍了由END随机变量序列生成的移动平均过程，利用END随机变量序列的Rademacher-Menshov型不等式，得到了移动平均过程部分和最大值的矩完全收敛性和几乎处处收敛的极限性质。END随机变量序列是范围较广的相依序列，得到的结论是对前人研究工作的推进。     

END随机变量序列移动平均过程的极限性质

介绍了由END随机变量序列生成的移动平均过程,利用END随机变量序列的Rademacher-Menshov型不等式,得到了移动平均过程部分和最大值的矩完全收敛性和几乎处处收敛的极限性质。END随机变量序列是范围较广的相依序列,得到的结论是对前人研究工作的推进。     

NOD随机变量序列加权乘积和的强大数律

利用乘积和的一表示定理和NOD（negatively orthant dependent）随机变量的性质,在较一般的条件下,得到了不同分布的NOD随机变量序列加权乘积和的强大数律,推广和改进了已知的一些文献中相应的结论.     

纪录时刻及其计数过程矩完全收敛的精确渐近性

设{Xn,n≥1}是i.i.d.连续型随机变量,μ(n)为记录时刻对应的计数过程,记N为服从标准正态分布的随机变量,证明了μ(n)矩完全收敛的精确渐近性,即当1p2,δ-1时,有limε10ε2p(δ+1)/(2-p)∑n≥3(logn)δ/n(logn)-1/2E{|μ(n)-logn|-ε(logn)1/p}+=1/δ+1·2-p/2pδ+p+2E|N|(2pδ+p+2)/(2-p).     

非平稳弱负相关随机变量的重对数律

本文研究了Ｒ＾ｐ中非平稳弱相关随机变量的极限性质,在有限二阶矩条件下获得了重对数律的结果。     

PA序列Chung型对数律的极限定理

设{Xn,n≥1}是一均值为零、方差有限的正相伴平稳序列.记Sn=sum Xk,Mn=maxx≤n|Sk|,n≥1 from k=1 to n,并假设0σ2=EX12+2 sum E X1 Xk∞ from k=2 to ∞.在E|X1|2+δ∞,δ∈(0,1],以及对某个α1,sum Cov(X1,Xj)=O(n-α) from j=n+1 to ∞的条件下,建立了PA序列关于Chung型对数律的精确收敛速度.