矩限制条件下随机变量和的强大数定律的若干新结果-概率论与数理统计专业论文.docxVIP

安徽大学硕士学位论文摘 安徽大学硕士学位论文 摘 要 通常证明强大数定律有两种基本的方法．第一种是先证明 6磊(最o，鼠T oo．)的某个子序列服从强大数定律，再把这个结论推广到整 ，一n 个序列上(如子序列方法)．在这个方法中需要用到部分和的极大值不等式．第二种 方法是通过Hdjek～Renyi型的极大值不等式来证明．Hdjek和R6nyi[2]证明了独 立随机变量的Hdjek—R6nyi型的极大值不等式．由于Hdjek-R6nyi型的极大值不等 式不易证得，所以第一种方法较为流行．然而一旦得到HOjek-R6nyi型的极大值不 等式，强大数定律的证明就变得显而易见． 强大数定律是概率论的中心课题，其中讨论强大数定律的收敛速度又占有相 当重要的地位．tStraSen[33，Siegmund[4]，dames[5]等对 k r d 1 ％j P{詈cn，对某个佗≥m} L，‘ J 的渐进等价形式进行了估计，从面{!导到强大数定律的收敛速度、他们对收敛速度的 估计都对随机变量序列的相关结构有一定要求，甚至要求同分布最近Fazekas和 Klesov在文献[1]中首先建立了一种Hdjek-R4nyi型的最大值不等式，然后利用所 获得的不等式，得到了随机变量和的强大数定律，推广了文献中关于相依随机变量 和的若干结果．f本文在文献[1]的基础上，进一步研究了随机变量和的强收敛速度， 给出了