独立不同分布随机变量乘积的几乎处处中心极限定理

证明了独立不同分布随机变量乘积的几乎处处中心极限定理.

Abstract：

We prove an almost sure limit theorem for the product of sums of independent and non-identically distributed random variables.     

随机变量序列最大值的局部几乎处处中心极限定理

在一定条件下得到了最大值的局部几乎处处中心极限定理.     

随机变量序列最大值的局部几乎处处中心极限定理

在一定条件下得到了最大值的局部几乎处处中心极限定理.     

弱相依序列最大值的几乎处处中心极限定理

设{εi}i^∞=1 为弱相依平稳随机变量序列,{un}为给定的实数序列,在条件D’（un）和D2（{uk,un}）之下,研究了弱相依序列最大值的几乎处处中心极限定理．     

顺序统计量的几乎处处中心极限定理

{Xn,n≥1}是独立同分布随机变量序列, Mn^（1） , Mn^（2）分别表示{X1 , X2, …, Xn }的第一个最大值与第二个最大值．若存在an〉0,bn使得P（Mn^（1）≤anx＋bn）→wG（x）成立（其中G（x）为极值指数分布）,则对x〉y有lim N→∞1/logN∑Nn=1 1/nI{Mn^（1）≤Mn^（2）≤vn}=G（y）{logG（x）-log G（y）＋1}a.s,其中un=anx＋bn,vn=any＋bn.     

顺序统计量的几乎处处中心极限定理

{Xn, n≥1}是独立同分布随机变量序列, M(1)n, M(2)n分别表示{X1, X2, …, Xn}的第一个最大值与第二个最大值. 若存在 an＞0, bn 使得 P(Mn(1)≤anx+bn)w/→G(x) 成立(其中 G(x)为极值指数分布), 则对 x＞y 有limN→∞1/log N∑Nn=11/nI{M(1)n≤un, M(2)n≤vn}=G(y){log G(x)-log G(y)+1} a.s.其中un=anx+bn, vn=any+bn.     

弱相依序列最大值的几乎处处中心极限定理

设{ξi}∞i=1为弱相依平稳随机变量序列,{un}为给定的实数序列,在条件 D'(un)和D2({uk,un})之下,研究了弱相依序列最大值的几乎处处中心极限定理.     

高斯序列极值与部分和的几乎处处中心极限定理

对于标准化平稳高斯序列,当协方差函数满足弱相依条件时,证明了最大值、最小值及部分和联合的几乎处处中心极限定理.

Abstract：

For a standardized stationary Gaussian sequence, the joint version of the almost sure central limit theorem related to maximum, minimum and the partial sum is considered when the covariance function satisfies some weak dependence conditions.     

高斯序列极值与部分和的几乎处处中心极限定理

对于标准化平稳高斯序列,当协方差函数满足弱相依条件时,证明了最大值、最小值及部分和联合的几乎处处中心极限定理.     

平稳高斯向量序列最大值的几乎处处中心极限定理

在rn（p）logn（log log n）^1＋ε=O（1）,rn（P,q）log n（log log n）^1＋ε=O（1）,1≤P≠q≤d的条件下,证明了平稳高斯向量序列最大值的几乎处处收敛．     

非平稳高斯序列完整和非完整样本的最大值几乎处处极限定理

在协方差的收敛速度满足适当条件下,得到了非平稳高斯序列完整和非完整样本的最大值的联合极限分布以及几乎处处极限定理.     

随机序列最大值与最小值联合之几乎处处收敛

证明了独立同分布随机序列最大值与最小值联合分布的几乎处处中心极限定理     

平稳高斯向量序列最大值与最小值联合的几乎处处收敛

max supl≤P≠q≤dn≥0／rn（p,q）／〈1且pn log n（loglog n）^1＋g=O（1）条件下,证明了d维标准化平稳高斯向量序列的最大值与最小值联合的几乎处处中心极限定理．     

一个强极限定理的分析方法证明

假设Ｘｎ（ｎ≥１）是在可数集Ｅｎ中取值的随机变量，｛｜Ｘ｜，ｎ≥１｝被一个随机变量｜Ｙ｜所控制。设｛ｂｎ，ｎ≥１｝（ｂｎ≥１）是满足以及的常数序列。本文将利用分析方法给出一个关于Ｘｎ（ｎ≥１）的强极限定理，旨在证明