精细大偏差理论,在金融保险领域具有极其重要的作用,很多学者在该领域深入研究,并且做出了很多的贡献。现在大多数金融研究都是基于正态分布假设或者对数正态分布假设,但是根据金融学的“二八原则”,很多金融事件均服从重尾分布,例如股票的价格波动、保险理赔等。因此相对于正态分布、对数正态分布的假设,重尾分布的假设更符合实际,可以更好地应用在现代金融学等方向的研究中去。很多学者已着力于研究重尾分布和精细大偏差方向。独立事件是现在研究领域中最常用的相依结构假设,但是在实际生活中,独立事件的要求过于苛刻,很少存在完全独立的事件,因此其他相依结构的研究显得尤为重要。此外,φ混合序列在统计中广泛应用,但是在精细大偏差的研究中使用的少之又少。除此之外,根据我们的调查,关于控制变化尾、φ混合的随机变量序列的精细大偏差的渐近结果少之又少。在这篇文章中,我们着力于研究控制变化尾随机变量,在满足φ混合和相依结构WUOD的条件下,非随机和以及随机和的精细大偏差,由此得出两个定理。并利用控制变化尾和一致变化尾的特征,将定理拓展到一致变化尾随机变量,进而得到一致变化尾随机变量的非随机和以及随机和的渐近关系。并且,通过数学推导证明定理。此外,我们还利用数值模拟进行实例证明。