可列齐次马氏链熵率的指数收敛速度

运用Markov不等式和期望、强遍历、δ系数的性质,利用Chang提出的研究指数收敛速度的方法,在给出5个引理的基础上,研究了初始状态给定的一类可列齐次马氏链熵率的收敛速度,推广了Chang的结果.     

单障碍问题区域分解法的单调收敛性与收敛速度估计

本文我们考虑一类典型的椭圆型算子的障碍问题的区域分解算法,分析算法的单调收敛性并给出相应的收敛速度估计.障碍问题有着重要的物理背景（参见[3,9]）.近些年来,有关障碍问题的区域分解法方面的研究已经有一些成果.关于线性算子情形,读者可参看[1,2,5,7,8,10,12,13,14,15,17]等文献,而对于非线性算子情形,读者可参看[4,6,16,18].在这些文献中,已经有部分涉及到算法的收敛速度估计.例如,文[15,16]给出了有限元区域分解算法的迭代误差的渐近最大模估计,文[13]给出了求解具M-阵的有限维互补问题     

NOD序列加权和的强收敛速度

该文研究了NOD序列加权和的强收敛速度, 获得了一些新的完全收敛性的结果. 该文的结果推广了陈瑞林$^{[1]}$在NA情形时的结果,部分推广了Stout$^{[2]}$在独立同分布情形时的结果.     

线性过程的收敛速度

设X_t=sum from j=0 to ∞ c_jε_(t-j)是一个线性过程,当{ε_t}是一个局部广义高斯随机序列时,我们获得了X_t的重对数收敛速度。     

渐近循环马氏链的收敛速度

引入了渐近循环马氏链的概念,它是循环马氏链概念的推广.首先研究了在强遍历的条件下,可列循环马氏链的收敛速度,作为主要结论给出了当满足不同条件时可列渐近循环马氏链的C-强遍历性,一致C-强遍历性和一致C-强遍历的收敛速度     

无界混合序列强律的收敛速度

本文进一步研究无界相依随机变量序列部分和的Marcinkiewicz-Zygmund强律的收敛速度,在对随机变量的矩给出一定的限制时,关于无界ψ-混合序列(未必平稳)得到了与[2]中主要结果相类似的结论。     

多指标随机变量Marcinkiewica大数定律完全收敛性和收敛速度

本文考虑指标在Ｚ＾ｄ＋，ｄ≥１中的独立同分布随机变量序列，得到了有关大数定律完全收敛性和收敛速度等一些结果。     

非参数回归函数核估计的强收敛速度

本文给出回归函数m(x)=E(Y|X=x)满足λ(0<λ≤1)阶Lipschitz条件,且E|Y|~r<∞,r>1时,对m(x)的核估计有同时本文也改善了赵林城、方兆本(1985年)和孙东初(1985年)关于m_n(x)强相合于m(x)的结果。     

相依样本时非参数密度估计的强收敛速度

本文对Loftsgarden和Gucsenberry在文献[1]中提出的概率密度函数f的近邻估计f_n,在样本为φ-混合的情形下,得到了与i.i.d完全相同的结果: (1)f(x)> 0,f满足λ阶Lipschitz条件,选取适当的k_n,在一定的混合速度下,有 lim sup(n/logn)~(λ/(1+2λ)|f_n(x)-f(x)|≤c a.s., (2)f_n在固定点x的渐近正态性, (3)得到了f_n收敛到f时收敛速度的上限。     

带马氏切换的马氏过程的指数收敛速度

设 (X(t), Z(t))是以[0,∞) ×{1, 2,…, n₀} 为状态空间的强马氏过程, 其第一分量 X(t) 依赖于第二分量 Z(t), 而第二分量 Z(t) 是一个马氏链. 应用耦合方法, 估计了(X(t), Z(t)) 的转移概率依全变差范数收敛于其不变概率测度的指数收敛速度.     

Markov链的收敛性与信息熵增加定理

本文定义并证明了Markov链的收敛性，在此基础上得到了与能耗系统“熵增加原理”相对应的Markov链信息系统熵增加定理．     

复平面上扩充Hermite-Fejer插值多项式的收敛性

得到了复平面上忽略一点导数要求的扩充Ｈｅｒｍｉｔｅ－Ｆｅｊｅｒ插值多项式在｜ｚ｜≤１上不一致收敛于ｆ（ｚ）∈Ａ（｜ｚ｜≤１）的结论，并得到了其平均收敛阶和内闭一致收敛性．     

误差为鞅差序列的回归函数估计的收敛速度

当误差为鞅差序列时,研究了固定设计点列情形下非参数回归函数一般权函数的非参数估计,并在一些基本条件下给出了估计的一致最优强收敛速度.     

GMRES方法的收敛率

1 引 言 GMRES方法是目前求解大型稀疏非对称线性方程组 Ax=b,A∈R~(n×n);x,b∈R~n (1)最为流行的方法之一.设x~((0))是(1)解的初始估计,r~((0))=b-Ax~((0))是初始残量,K_k=span{r~((0)),Ar~((0)),…A~(k-1)r~((0))}为由r~((0))和A产生的Krylov子空间.GMRES方法的第k步     

THE MONOTONICITY OF CONVERGENCE RATE FOR MGS METHODS

In this paper we prove that the convergence rate of the modified Gauss-Seidel method is a monotonic function for some precondition parameters.     

THE MONOTONICITY OF CONVERGENCE RATE FOR MGS METHODS

In this paper we prove that the asymptotic rate of convergence of the modified Gauss-Seidel method of a non-singular M-matrix is a monotonic function for 1 precondition parameters 0 ≤ αi≤1/2, （i = 1,2,... ,n - 1）.     

关于有限马氏链相对熵密度和随机条件熵的一类极限定理

本文引进有限非齐次马链随机条件熵的概念，研究这个概念与相对熵密度的关系，并通过数列的绝对平均收敛的概念给出了有限非齐次马氏链的相对频率，相对熵密度和平均随机条件熵ａ．ｅ收敛于常数及有限非齐次马氏链熵率存在的条件。     

随机单调的离散时间马氏链强遍历速度的估计I

研究了离散时间马氏链的强遍历性,对随机单调的离散时间马氏链,给出了最大强遍历收敛速度的下界估计。     

ON THE RATE OF CONVERGENCE OF SOLUTIONS FOR A CLASS OF DIFFERENCE EQUATIONS

1IntroductionConsiderthefollowingdifferenceequationwhereGfRxR-Riscontinuous,p:Z -R ,k;Z -Z ,p(n)5M,k(n)5k,MER ,kEZ ;ZandZ denotethesetsofintegersandnonnegativeintegers,respective1y.Forintegersaand5,a>6,wedefineZ(a,5)={a,a l,'',6},Z(a)={a,a l,'.}.Weassumethat(i)G(x,.)ismonotonenon-decreasing,(ii)G(.,y)ismonotonenon-increasing;(iii)G(x,x)=o,G(x,y)5oforx>yandG(x,y)2oforx相似文献