鞅差序列加权和的几乎处处收敛(英文)

本文研究了一类鞅差序列加权和的收敛性的问题.利用一些基本不等式和截尾技术,获得了加权和的几乎处处收敛性,推广了关于独立同分布的随机变量序列的相关结果.     

次线性期望空间下END随机变量加权和的极限定理（英文）

本文研究了在次线性期望空间中END序列的强大数定律(SLLN)非常广泛的形式.在随机变量上积分C_V(φ-(|X|))<∞存在的条件下(其中φ(x)=x^1/βl(x)),获得了次线性期望空间中END序列的强大数定律(SLLN).此外,我们的结果将[J.Math.Res.Expition,2011,31(6):1081-1091]中的相应结果推广到了次线性期望空间.     

次线性期望下WA随机变量序列加权和的完全收敛性

在Choquet积分存在的前提下,用不同于概率空间的方法,研究了次线性期望空间中WA随机变量序列加权和的完全收敛定理,从而将概率空间中的相应的定理推广到次线性期望空间中,并得出与概率空间相类似的结果.     

次线性期望空间下END阵列加权和的完全收敛性

在Choquet积分存在的条件下,研究次线性期望空间下END阵列加权和的完全收敛性,将概率空间中END阵列加权和的完全收敛性推广到次线性期望空间.     

次线性期望空间下END列加权和的完全收敛性

研究次线性期望空间下END列加权和的完全收敛性,在随机变量的2+r/α阶上积分存在条件下,将概率空间中END列加权和的完全收敛性推广到了次线性期望空间.     

NA序列广义Jamison型加权和的几乎处收敛性

本文从随机变量序列广义Jamison型加权和的一个系数指标函数自身性质出发，讨论了广义Jamison型加权和的强稳定性，避免了控制函数的引入，进一步还得到了更一般的NA序列广义Jamison型加权和的几乎处处收敛的条件，并将前人的若干结论包含为特例。     

NA序列广义Jamison型加权和的几乎处处收敛性

本文从随机变量序列广义Ｊａｍｉｓｏｎ型加权和的一个系数指标函数自身性质出发，讨论了广义Ｊａｍｉｓｏｎ型加权和的强稳定性，避免了控制函数的引入， 进一步还得到了更一般的ＮＡ序列广义Ｊａｍｉｓｏｎ型加权和的几乎处处收敛的条件，并将前人的若干结论包含为特例．     

次线性期望下的完全Choquet积分收敛

本文主要研究了次线性期望下的完全收敛和完全Choquet积分收敛,创新之处在于把经典概率空间的完全收敛以及完全Choquet积分收敛扩展到了次线性期望空间.     

负相关随机变量加权和的强定律(英文)

在本文中我们讨论了不同分布负相关随机变量加权和的强定律.在一个有限矩生成函数的条件下,一些有关负相关随机变量加权和的强定律被获得.这些结果推广了Soo HakSung[4]关于独立同分布随机变量的相应结论.我们的结果也概括了Mi Hwa Ko和Tae SungKim[7]获得的相关结论,同时使得Nili Sani H R和Bozorgnia A[9]所取得的结果更加形象.     

关于随机序列加权和的收敛性的注记

通过对数组加权系数的列截尾,研究了B值随机一致有界序列加权和的收敛性,获得了相应的几乎处处收敛和完全收敛到0的结果.最后建立了B值随机适应序列加权和的矩收敛定理.     

相依序列加权和的几乎处处中心极限定理

该文讨论了非平稳负(正)相依序列加权和的几乎处处中心极限定理,改进并推广了相依序列几乎处处中心极限定理的相关结果.     

次线性期望下Marcinkiewicz’s强大数定律（英文）

次线性期望提供了一个非常灵活的框架来对不确定的现象概率问题建立模型,大量的问题引起许多人的兴趣.在本文中,通过利用次线性期望的概率不等式,我们得到Marcinkiewicz’s强大数定律.     

次线性期望空间下行END阵列的完全收敛性

研究次线性期望空间下行END阵列的完全收敛性,将概率空间中行END阵列的完全收敛性的条件更一般的情况推广到了次线性期望空间.     

■混合随机变量序列的强收敛定律(英文)

本文建立了■混合随机变量序列的几乎处处收敛性和完全收敛性的结果.所获结果不仅把独立随机变量经典的Khintchine-Kolmogorov收敛定理和三级数收敛定理推广至■混合随机变量情形下,并在没有增加任何附加条件下改进了相关结果.     

广义多变量平均算子及其组合算子的几乎处处收敛速度（英文）

本文给出了广义多变量平均算子及其组合算子在欧氏空间■~n上Sobolev型空间的几乎处处收敛速度并得到了收敛的饱和度.作为应用,利用转移定理将相关结果推广到了n维环面T~n上.     

独立随机序列最大值的几乎处处极限定理

本文研究了独立随机序列最大值分布的几乎必然收敛性.利用有关协方差的不等式和加权平均,获得独立随机序列最大值的几乎处处极限.将独立同分布随机序列的结论,推广了独立但不同分布的情形.     

α混合随机变量序列部分和乘积的几乎处处中心极限定理

利用子序列等方法,获得α混合随机变量序列部分和乘积的几乎处处中心极限定理的更优结果,改进了相关文献的结果.     

φ混合随机变量最大值加权和的强收敛（英文）

本文研究φ混合随机变量最大值加权和的强收敛性质.提出关于不同分布φ混合随机变量完全收敛的一些结果.作为一个应用,取得φ混合随机变量加权和的Marcinkiewicz-Zygmund型强大数定律.     

次线性期望下独立随机变量的样本轨道大偏差

本文得到次线性期望下独立同分布的随机变量的样本轨道大偏差. 在次线性期望下所得的结果推广了概率空间的相应结果.     

ρ-混合序列部分和乘积的几乎处处极限定理

设{X_n,n≥1}是一严平稳的ρ-混合的正的随机变量序列,且EX_1=μ＞0, Var(X_1)=σ~2,记S_n=Σ_(i=1)~n X_i和γ=σ/μ,在较弱的条件下,证明了对任意的x,,其中σ_1~2=1+2/(σ~2)∑_(j=2)~∞Cov(X_1,X_j),F(·)是随机变量e~(2~(1/2)N)的分布函数,N是标准正态随机变量,我们的结果推广了i．i．d时的情形．