导读:本文包含了混合随机变量序列论文开题报告文献综述及选题提纲参考文献，主要关键词:完全收敛性,加权和,φ~-混合随机变量序列
混合随机变量序列论文文献综述
马淑兰[1]（2019）在《Rosenthal型极大值不等式在φ~-混合随机变量序列收敛性中的应用》一文中研究指出讨论了φ~-混合随机变量序列的收敛性问题,利用该序列的Rosenthal型极大值不等式得出收敛性问题的相关结论,在主要结论证明中使用了再截尾方法,先对加权混合序列进行截尾,确定出截尾水平,然后再对原φ~-混合随机变量序列进行截尾,该方法的求证过程充分利用了权所提供的信息.(本文来源于《宁夏师范学院学报》期刊2019年07期）
黄敏[2]（2019）在《■混合随机变量序列最大部分和的完全收敛性》一文中研究指出研究■混合随机变量序列最大部分和的完全收敛性.作为应用,获得了■混合随机变量序列的Marcinkiewicz-Zygmund型强大数律的收敛速度.这些结果包含了Baum-Katz型定理和Hsu-Bobbins型定理,并将Stocia部分和的结果推广到最大部分和的情形.(本文来源于《湖北大学学报(自然科学版)》期刊2019年04期）
孙佩宇[3]（2018）在《ρ~-混合随机变量序列及其所生成线性过程的完全矩收敛的精确渐近性》一文中研究指出概率论是研究随机现象数量规律的学科.由于随机现象的普遍性,使得概率论在自然科学、管理科学、经济、金融等领域都有着广泛的应用.概率极限理论是概率论的主要分支之一,也是概率论的其它分支和数理统计的重要基础.作为概率极限理论的重要内容,精确渐近性的研究一直是一个比较热门的研究方向.本文主要研究ρ-混合随机变量序列及其所生成线性过程在一般对数律下的完全矩收敛的精确渐近性.第二章,研究ρ-混合随机变量序列部分和在一般对数律下的完全矩收敛的精确渐近性.第叁章,将第二章结论推广到线性过程上,研究ρ-混合随机变量序列生成线性过程的完全矩收敛的精确渐近性.(本文来源于《北华大学》期刊2018-05-28）
张水利,屈聪,陈英霞[4]（2016）在《混合随机变量序列的完全收敛性》一文中研究指出研究了非同分布混合随机变量序列的完全收敛性,在更一般的条件下,利用混合随机变量序列Rosenthal型不等式和截尾方法,得到了混合随机变量序列完全收敛的充分条件。作为推论,得到了混合随机变量序列的强大数定律,这些结果深化并推广了已有的相关结果。(本文来源于《重庆师范大学学报(自然科学版)》期刊2016年04期）
邱德华,陈平炎,段振华[5]（2015）在《混合随机变量序列加权和的完全收敛性》一文中研究指出本文研究了ρ混合随机变量序列加权和的完全收敛性.利用ρ混合随机变量的Rosenthal型最大值不等式,把关于NA随机变量时的一些结果推广到ρ混合随机变量,得到了ρ混合随机变量序列加权和的完全收敛性定理,从而推广和改进了在独立时的相应结果.(本文来源于《应用数学学报》期刊2015年01期）
冯凤香[6]（2014）在《强混合随机变量序列的一个几乎处处中心极限定理》一文中研究指出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。(本文来源于《桂林理工大学学报》期刊2014年04期）
谭希丽,王淼[7]（2014）在《ρ~-混合随机变量序列加权和的完全收敛性质》一文中研究指出应用ρ-混合随机变量序列截断法、Hlder不等式、Markov不等式、Jensen不等式、Cr不等式及ρ-混合随机变量的Rosenthal型矩不等式,考察在没有同分布假设条件下,ρ-混合随机变量序列加权和的完全收敛性质,并利用Borel-Cantelli引理,给出ρ-混合随机变量序列加权和的Marcinkiewicz-Zygmund型强大数定律.(本文来源于《吉林大学学报(理学版)》期刊2014年05期）
章志华[8]（2014）在《φ-混合随机变量序列加权和的L~r收敛性》一文中研究指出本文在r(1≤r<2)阶一致可积条件下,讨论了φ-混合随机变量序列加权和的Lr收敛性,获得了与独立情形一致的结果.(本文来源于《应用概率统计》期刊2014年04期）
谭希丽,许鸿飞,徐冬梅[9]（2014）在《α-混合随机变量序列线性形式的强稳定性》一文中研究指出研究了α-混合随机变量序列线性形式的强稳定性.利用随机变量的截尾术及强大数定律,得到了不同分布α-混合随机变量序列具有线性形式强稳定性的充分条件,在某种程度上推广了独立随机变量的线性形式的强稳定性的相应结果.(本文来源于《北华大学学报(自然科学版)》期刊2014年03期）
邹广玉[10]（2013）在《混合随机变量序列的几乎处处中心极限定理》一文中研究指出概率论是研究随机现象数量规律的学科,它在自然科学、管理科学、经济、金融等领域中都有着广泛的应用.概率论的意义在于描述由大量随机因素影响所表现出来的规律性,所以研究随机变量的极限性质对于揭示随机现象的本质有着极其重要的作用.这样,概率极限理论便成为概率论的主要分支之一,也是概率论的其它分支和数理统计的重要基础.正如Gnedenko和Kolmogrov说过：“概率论的认识论的价值只有通过极限定理才能被揭示,没有极限定理就不可能去理解概率论的基本概念的真正含义”.关于独立随机变量的经典的概率极限理论在上世纪叁四年代已获得完善的发展,成为概率论发展史上的重要成果.而在许多实际问题中,样本之间大多情况并不独立,或者独立样本的函数并不独立；另外,在概率统计的理论研究和其他分支中,出现了对随机变量相依性的要求.所以,从上世纪五六十年代以来,继独立随机变量的经典极限理论发展完备后,关于鞅的极限理论以及各种相依随机变量序列的极限理论也得到蓬勃发展.近几十年来,一些学者感兴趣于极限理论的一些新的领域,如几乎处处中心极限定理,部分和乘积理论,它们成为近代概率论研究中的热门方向,本文将对几种混合序列的几乎处处中心极限定理和部分和之和乘积的几乎处处中心极限定理进行进一步研究在第一章第一节中,我们介绍几种常见的相依随机变量序列：相伴,两两NQD,LNQD,φ-混合,ρ-混合,α-混合,ψ-混合,β-混合,λ-混合以及φ-混合,ρ*-混合,ρ-混合等.我们给出它们的定义和简单性质,并给出它们之间的关系,为第二章和第叁章问题的讨论做好铺垫.在第一章第二节中,我们回顾了独立随机变量列及φ-混合,ρ-混合,α-混合随机变量列的一些经典的中心极限定理,进而引入几乎处处中心极限定理的概念,并介绍了一些学者的研究成果.在第二章中,我们讨论了φ-混合、ρ-混合、α-混合随机变量列加权和的几乎处处中心极限定理.在第一节中,我们介绍了有关的研究背景.在过去的几十年里,众多学者对随机变量加权和的极限定理进行了很多研究,但其中的很多结果都是针对平稳序列,关于非平稳混合序列加权和的几乎处处中心极限定理的研究成果却并不多见,本文将给出非平稳混合序列加权和的几乎处处中心极限定理：定理2.1.1假设{Xn；n≥1}为一零均值随机变量列,{ani,1≤i≤n,n≥1}为一实值非负叁角阵列.令假设下列条件成立(1)对某个γ>0,(2)Var(Sn)→1当n→∞,{Xn2}一致可积.(3){Xn}是强混合的,对某个δ>0,{|Xn|2+δ}一致可积,并且记那么定理2.1.2假设{Xn；n≥1}为一零均值随机变量列,{ani,1≤i≤n,n≥1}为一实值非负叁角阵列.令假设下列条件成立(1)对某个γ>0,(2)Var(Sn)→1当n→∞,{Xn2}一致可积.(3){Xn}是φ-混合的且记那么定理2.1.3假设{Xn；n≥1}为一零均值随机变量列,{ani,1≤i≤n,n≥1}为一实值非负叁角阵列.令假设下列条件成立(1)对某个γ>0,(2)Var(Sn)→1当n→∞,{Xn2}一致可积.(3){Xn}是ρ-混合的且记那么在第二节中,我们列出了定理证明过程中用的一些引理.在第叁节中,给出了定理的详细证明过程.在第叁章中,我们讨论ρ混合序列部分和之和乘积的几乎处处中心极限定理.在第一节中,我们首先介绍了随机变量序列部分和之和乘积的理论背景,回顾了一些学者得到的关于某些混合序列部分和乘积以及部分和之和乘积的几乎处处中心极限定理,在此基础上,我们在更一般情况下,得到ρ-混合序列部分和之和乘积的几乎处处中心极限定理：定理3.1.1设{x,Xn,n≥1}为正的严平稳的ρ-混合序列,满足EX1=μ>0,Var(X1)=σ2,E|X1|r<∞,对某个r>2.记Sn=变异系数γ=σ/μ.如果(a3)ρ(n)=O(logδn),对某个δ>2.那么有定理3.1.2在定理3.1.1的条件下,有其中F(·)表示eN的分布函数.在第二节中,我们给出了定理证明过程中用的一些引理和某些引理的证明.在第叁节中,给出了定理的详细证明过程.第四章我们对一些尚未解决或有待进一步探讨的问题进行了展望,为问题的进一步研究做好准备.(本文来源于《吉林大学》期刊2013-06-01）
混合随机变量序列论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究■混合随机变量序列最大部分和的完全收敛性.作为应用,获得了■混合随机变量序列的Marcinkiewicz-Zygmund型强大数律的收敛速度.这些结果包含了Baum-Katz型定理和Hsu-Bobbins型定理,并将Stocia部分和的结果推广到最大部分和的情形.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合随机变量序列论文参考文献
[1].马淑兰.Rosenthal型极大值不等式在φ~-混合随机变量序列收敛性中的应用[J].宁夏师范学院学报.2019
[2].黄敏.■混合随机变量序列最大部分和的完全收敛性[J].湖北大学学报(自然科学版).2019
[3].孙佩宇.ρ~-混合随机变量序列及其所生成线性过程的完全矩收敛的精确渐近性[D].北华大学.2018
[4].张水利,屈聪,陈英霞.混合随机变量序列的完全收敛性[J].重庆师范大学学报(自然科学版).2016
[5].邱德华,陈平炎,段振华.混合随机变量序列加权和的完全收敛性[J].应用数学学报.2015
[6].冯凤香.强混合随机变量序列的一个几乎处处中心极限定理[J].桂林理工大学学报.2014
[7].谭希丽,王淼.ρ~-混合随机变量序列加权和的完全收敛性质[J].吉林大学学报(理学版).2014
[8].章志华.φ-混合随机变量序列加权和的L~r收敛性[J].应用概率统计.2014
[9].谭希丽,许鸿飞,徐冬梅.α-混合随机变量序列线性形式的强稳定性[J].北华大学学报(自然科学版).2014
[10].邹广玉.混合随机变量序列的几乎处处中心极限定理[D].吉林大学.2013
标签：完全收敛性; 加权和; φ~-混合随机变量序列;