一类由无穷维O-U过程生成的过程的轨道连续性

令Y(t)={X_1(t),X_2(t),…},其中{X_n(t),-∞相似文献   

线性模型中误差方差估计相合性的收敛速度

考虑线性模型y_j=x′β+e_j,j=1,2,…,n,假定误差序列{e_j}为ⅱd,随机变量序列,满足Ee_1=0,00,n→∞; (ⅱ)对任何ε>0,n→∞; (ⅲ) 这个结果与{Y_j}为独立同分布场合完全一致。     

相伴随机变量的重对数律

<正> 随机变量X_1,…,X_n称为是相伴的(associated),如果对R~n上任意二个关于各自变量非降的函数f_1和f_2,有cov(f_1(X_1,…,X_n),f_2(X_1,…,X_n))≥0,其中要求Ef_i~2(X_1,…,X_n)<+∞,i=1,2.序列{X_n,n≥0}称为是相伴的,如果其中任意有限个随机变量是相伴的.此定义由Esary等人于1967年引入,并且在可靠性理论中发现了许多应用(参见文献[2]).     

样本均值幂级数的收敛性

摘要设X_1,X_2,…为iid.,EX_1=0,0相似文献   

N值随机变量序列的AEP型极限及若干强偏差定理

设{X_n,n≥1}是在S={1,2,…,N}中取值的随机变量序列,其分布为p(x_1,…,x_n),liminf[P(X_1,…,X_n)]~(1/n)与limsup[p(X_1,…,X_n)]~(1/n)称为AEP型极限。利用这些极限该文得到{X_n,n≥1}的若干强偏差定理,即一类用不等式表示的强极限定理。     

广义幂的Hausdorff矩量问题

§1引言Hausdorff曾研究过形如μ_n=∫_0~1(x~ndg(x) (n=0,1,2,…)的矩量问题,在那里多项式起着实质的作用(参见〔1〕)。术文的目的是利用广义多项式〔2〕〔3〕研究下列形状的矩量问题:μ_n=integral from 0 to 1x~(α_n)dg(x) (n=0,1,2,…),这里 α_n 不一定是整数。我们将采用〔4〕解决当 α_n 都是整数的问题时所用的方法。     

独立重尾随机变量随机和的大偏差估计

本文研究了一类独立重尾随机变量随机和S（t)∧=∑k=1^N(t)Xk,t≥0的大偏差概率，其中{N(t),t≥0}是一放大晨负整数值随机变量；{Xn,n≥1}是非负，独立随机变量序列，并与{N(t),t≥０}独立。本文的结果将{Xn,n≥１}为独立同分布情形推广到了独立不同分布情形。     

平稳序列密度函数及其导函数的随机窗宽核估计的一致强相合性

设{X_n}_(n=1)~∞是R~1上的平稳、强混合随机变量序列,具有公共的密度函数f(x)。我们选定一个概率密度K(x),假定f(x)与K(x)都具有r(≥0)阶导数,则可定义基于观测值X_1,…,X_n的f~(r)(x)的核估计其中窗宽h_n(x)■h_n(x;X_1,…,X_n)>0不仅依赖于X_1,…,X_n,而且也与x有关。本文是在随机序列{X_n}_(n=1)~∞是平稳、强混合的情况下,讨论f_n~(r)(x)的一致强相合性。     

由Dvoretzky随机覆盖引起的集合的Hausdorff维数

考虑了单位圆T=R/Z上的随机区间I_n(ω)=ω_n+(-l_n/2,l_n/2)(mod 1),其中{l_n}_n≥1为一列单调下降并趋于0的正实数,{ω_n}_n≥1为T上的一列独立同分布且具有Gibbs分布测度的随机变量.借助于重分形分析中的工具,估计了被随机区间序列{I_n(ω)}有限次覆盖以及无穷多次覆盖的集合的Hausdorff维数.     

截尾寿命试验中参数的 MLE 的收敛速度

本文所考虑的截尾寿命试验是一种包含定时和定数截尾的混合型寿命试验。它的做法是从总体中随机抽取 n 个个体,同时进行寿命试验。如果在时刻 T 之前观察到 r_n 个个体“寿终”,则试验就在第 r_n 个寿终的时刻停止,否则就进行到时刻 T 为止。确切地,设 n个样品的寿命为 X_1(ω),X_2(ω),…,X_n(ω),它们均取值于(0,∞),为样本空间((?),(?),P_θ∶θ∈Θ)上相互独立同分布的随机变量。P_θ{X_i(ω)x}=F(x,(?)θ)(1≤i≤n),且F(x,θ)具有密度函数 f(x,θ)。这里θ∈Θ,Θ是 m 维欧氏空间中非空开集。设 X_1~(n)(ω)≤X_2~(n)(ω)≤…≤X_n~(n)(ω)是 X_1(ω),X_2(ω),…,X_n(ω)的从小到大的变叙。令     

随机非调和的Fourier级数

在本文中,我们讨论了形如sum from n=0 to ∞ X_n cos(λ_nt+Φ_n) (1)的随机非调和 Fourier 级数。这里 X_ne~(iΦ_n)是独立对称的复随机变量,{λ_n}是一个正的增加的实序列。得到了级数(1)a.s.表示一个连续函数的充分条件。我们也估计了级数(1)的连续模。推广了[1]中结论。     

B值随机指标和序列收敛速度的一个注记

本文给出了级数sum form m=1 to n(q/p)-2P{‖S_(τ_n)‖≥8(τ_n( (τ_n))~d)~(1/p)}<∞成立的一个充分条件,其中δ为任意给定的正数,d=1或 d=-1,q≥p,0相似文献   

经验测度序列的大偏差原理

设{X_i,i∈N)是平稳N A随机变量序列且ψ_(1)＞0．记经验测度δ_n=1/n■,借助于弱收敛拓扑下的开集与β度量下的开球之间的关系,证明了{P{δ_n∈·},n→∞}在(M_1(R),■)上满足大偏差原理．     

重尾平稳序列的大偏差

本文给出了一类重尾的随机变量序列{Xn,n≥1}的部分和Sn=∑i=1 n Xi与随机和S(t)=∑i=1^N(t) Xi的大偏差结果其中{N(t),t≥)}是一族非负整值的随机变量，{Xn,n≥1}是非负的平稳过程，并且与{N(t),t≥0}独立。本文将独立同分布情形的结果掖到了平稳相依的情形。     

Banach空间非扩张映像不动点强收敛定理

设E是具弱序列连续对偶映像自反Banach空间, C是E中闭凸集, T:C→ C是具非空不动点集F(T)的非扩张映像.给定u∈ C,对任意初值x0∈ C,实数列{αn}n∞=0,{βn}∞n=0∈ (0,1),满足如下条件:(i)sum from n=α to ∞α_n=∞, α_n→0;(ii)β_n∈[0,α) for some α∈(0,1);(iii)sun for n=α to ∞|α_(n-1) α_n|<∞,sum from n=α|β_(n-1)-β_n|<∞设{x_n}_(n_1)~∞是由下式定义的迭代序列:{y_n=β_nx_n (1-β_n)Tx_n x_(n 1)=α_nu (1-α_n)y_n Then {x_n}_(n=1)~∞则{x_n}_(n=1)~∞强收敛于T的某不动点.     

非平稳高斯序列的极值之渐近分布

设{ξ_n}是一非平稳高斯序列,Eξ_n=0、Eξ_n~2=1及γ_(ij)=Eξ_iξ_j.以M_n记max ξ_k,以记公共分布是F(x)=/(2π)~(1/2) integral from n=-∞ to x(e~(-u~2/2))du的 i.i.d序列之前n个变量的最大值.已有如下结果:对所述非平稳高斯序列{ξ_n}若     

Gauss序列的几乎处处不变原理

Philipp和Stout在[1]中对一大类相依变量序列的强逼近作了讨论,特别对Gauss序列{X_n,n≥1},他们在E(sum from k=m 1 to m n X_k)~2=σ~2n O(n~(1-6)),EX_mX_(n m)《n~(-2)等条件下得到{X_n}部分和S_n的Wiener过程逼近阶为n~(1/2-λ)其中λ相似文献   

独立随机变量序列之变叙的极限分布

<正> 我们称新的随机变量(?)的变叙,下标 k 称为变叙(?)的秩.当序列{X_n,n≥1}是同分布的时候;И.В.斯米尔诺夫在[1]里详尽地讨论了一维变叙(?)的极限分布律,对固定名次的边项、正则中项和(λ,t)中项找到了所有可能     

关于平稳序列中心秩顺序统计量联合分布的稳定收敛性

§1.引言 设{ξ_n}是平稳序列,ξ_1~(n)≤ξ_2~(n)≤…≤ξ_n~(n)是ξ_1,…,ξ_n的顺序统计量,则称{ξ_(kn)~(n)}{ξ_n}的具有秩序列{k_n}的顺序统计量序列。记λ_n=k_n/n和?_n={nλ_n·(1-λ_n}~(1/2),如果min{k_n,n-k_n}→∞或等价地?_n→∞就称{k_n}为变秩序列。     

概率最优停止问题

本文在时齐马氏序列中引入了概率最优停时和(ε,B)概率最优停时的概念,得到了其显式表达式,从而在某种程度上弥补了期望最优时的不足.同时,本文研究了两种停止问题的关系,指出期望最优停时也是概率最优停时的特例,并证明了集合首达时也是一种概率最优时,进一步给出了首达时为有限的等价条件.