矩限制条件下随机变量和地强大数定律地若干新结果.docxVIP

安徽大学硕士学位论文 第一章引言与若干引理 设置，x：， 彳∥-·为定义在同一个概率空间(Q，，P)上的随机变量列，记 只=∑：：X，行≥1，So=0．设A和鼠为两串常数序列，且鼠o，最T。。．强大 数定律研究的是鲁一A一0，。矗的充分必要条件．通常证明强大数定律有两种 D“ 基本的方法．第一种是先证明6靠的某个子序列服从强大数定律，再把这个结论 推广到整个序列上(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—R6nyi型的极大值不等式来证明．H6jek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—R4nyi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Hdjek-R6nyi型的 极大值不等式，强大数定律的证明就变得显而易见． 在经典的极限理论中，对强大数定律的收敛速度的估计有着重要的地位．设 ％兰P{鲁Cn对某个n≥mj 由强大数定律，当％兰c0时，％一o(m—oo)．当五为独立同分布，均值为零， 方差为1时，Strasen[3]，Siegmund[4]，James[5]对‰的渐进等价形式进行了估计．他 们对强大数定律的收敛速度迸行的估计都对随机序列的相关性有一定要求 最近Fazekas和Klesov在文献[1]中首先建立了一种Hdjek-R6nyi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盼若干结果．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，给出了比[1]更精确的结果，文献【l】中的基本结果定理 2 1与本文定理2．1．1的假设条件相同，【1]中只得出了最瓜o．s收敛于零，而本定理 2 1 1给出了最／6。ft．s．收敛于零的收敛速度0凤／bo，而且此时不须对随机序列 的独立或相依作出限定．本文给出的其他定理与[1】中同类定理相比，结果也更精确 安徽大学硕士学位论文 作为应用，我们得到了某些相依随机变量和的强大数定律，推广了文献[6]中关于 妒一混合、P一混合序列的强大数定律阻定48： ，这里我们在定理3．2．1中允许 ∑妒；。(2”)=。。，∑P(2“)=。c：还给出了鞅差序列、线性过程、NA随机变量列 n=l n=l 和F．混合序列的强大数定律及其收敛速度 本文以下用C，Ci Cq，c1(g)，C：(q)等表示与n无关的正数．记 仃：2m目a；x。EX，，Q。m。ax：。EIX∥，疗≥1， y(，p)=lo∑gn p(2t)，y(门，p，g)=‘警3p％(2z)， i=O a=O y(y(仃，咖仃=20掣，eg(2t)妒，y(行)=，妒，g)：22 ∑ 2 ‘)，y(行，妒，g)=‘2‘芝掣。妒／％9(2’)，) i=0 l=0 以下列出本文用到的一些引理 引理1．1([1]，定理1．1)(Hdjek—R6nyi型极大值不等式)设(％}、(展)为实 数列，0届≤屈≤ ≤屈，q≥o，f=1，2， ，押，r为一固定的正数．如果对每个 Ill，1≤，”≤栉，有 E(燃?)’≤善q 则 E(燃鲫≤4器 (1．2) 证：不妨设聩=1，否则可将(1．∞式两边同时乘以盯 令c=2K，^={≈：c’≤风ci+l}，忙o，1，z一．igi(n)为最后～个非空A的下标 记 坤，=ⅢmHax{k，岫钮h麓三善 ，。，．k(-1)=0 7 ——一 塞塑奎兰堡主兰丝堡奎 设 n 6 = ll 々 一 则  如At≠o f=0．1．2． 如AI=o 呐ma驯x脚S‘忙E雌[m坳ax [S--17]=Ef。臻，(背圳{ ≤E【笺雀弩酬=割m㈨ax 7】 =剿翼警娜s争’E融sjIf s i蓦cnc17E[鼢Ilf≤蔓c 堇n。 =i=静0’j=砉0岛k=勤4=f0争’≤fjl善。西j争7 s寿专。磊鼢南。一。=r=≥南。争§c”一。。菩瓢。．眦 ≤一一c南～f昌1女琵：“{=1)+1‰器口=a}’一喜’岛嚣瓦 引理1．2 (Dini定理)设巳≥o，疗≥l， Cn∞，记‰：妻q，如‰o，疗≥l，则 肛i k=n 对任0万1，有 妻≥tm，V o洲 (1．4) n=-I％ 证取／(x)=z1-8，xO，0占《1．则由微分中值定理知，存在善∈(口，6)，使 ／p)一／p)=／增№一以此式中取疗=％。6=％知，存在￡∈(％。％)，使 OnM--OnⅢ+l 2孑c?J≥等。， (1．5) 所以 (卜万)薹专≤耋(u}6～1-渤8刊lq--I．)撼』与井5 因此(1．4)式成立 8 安徽大学硕士学位论文 引理1．3([7]，定理1．1) 设{托)是均值为零的厂混合的随机变量列，记 sk(，j)=，萋；置，☆≥qs(疗)=s(，})，IJxll．：(￡】x门