非平稳高斯序列超过数点过程与部分和的联合渐近分布

设$\{X_{i}\}^{\infty}_{i=1}$是标准化非平稳高斯序列, $N_{n}$为$X_{1},X_{2},\cdots,X_{n}$对水平$\mu_{n}(x)$的超过数形成的点过程, $r_{ij}=\ep X_{i}X_{j}$, $S_{n}=\tsm_{i=1}^{n}X_{i}$. 在$r_{ij}$满足一定条件时, 本文得到了$N_{n}$与$S_{n}$的渐近独立性.     

一类马尔可夫序列最大值的极限律

主要研究一类马尔可夫序列{Xn,n≥0}的最大值的极限分布.导出了这类序列最大值和最小值的分布表达式,利用经典极值理论,建立了规范化最大值max{X0,X1,…,Xn}与i.i.d序列{ξn,n≥1}的规范化最大值max{1ξ,2ξ,…,ξn+1}具有相同极限律的条件.     

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   

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。     

一类非线性递归序列的极限

探讨了形如Fn+2=a1Fnb1+1+a2Fbn2+1,n 1的非线性递归序列{Fn}的极限问题,给出了在满足一定条件时,序列{Fn}的极限值与初始值无关.     

线性过程样本协方差序列的渐近分布

文献[1]给出强平稳实四阶鞅差序列{ε(n),n=0,±1,±2,…}条件下一类线性过程{x(n),n=1,2,…} x(n)=sum from j=0 to ∞ψ_jε(n-j)的样本协方差的极限分布,本文拓广了[1]的结果,对一般四阶鞅差序列得到与[1]类似的结论。     

偶图$K_{n,n+7}-A(|A|\leq3)$的圈长分布唯一性

阶为$n$的图$G$的圈长分布是序列($c_1,c_2,\ldots,c_n$), 其中$c_i$是图$G$中长为$i$的圈数.本文得到如下结果: 设$A\subseteq E(K_{n,n+7})$,在以下情况, 图 $G$ 由其圈长分布唯一确定.(1) $G=K_{n,n+7}$(n\geq10)$;(2) $G=K_{n,n+7}-A$ $(|A|=1,n\geq12)$;(3)$G=K_{n,n+7}-A$(|A|=2,n\geq14)$;(4)$G=K_{n,n+7}-A$ $(|A|=3     

半鞅序列积分误差的极限过程的收敛定理

Jacod, Jakubowski和M\'emin讨论了与单个独立增量过程$X$的误差过程$^n\!X =X_t-X_{[nt]/n}$相关的积分误差过程$Y^n(X)$和$Z^{n,p}(X)$, 研究了半鞅序列$\{(nY^n(X),nZ^{n,p}(X))\}_{n\ge 1}$的极限定理. 记半鞅序列$\{(nY^n(X),nZ^{n,p}(X))\}_{n\ge1}$的极限过程为$(Y(X),Z^p(X))$, Jacod等给出了其极限过程$(Y(X)$, $Z^p(X))$的表达式. 本文将研究半鞅序列$\{X^n\}_{n\ge1}$积分误差的极限过程$Y(X^n)$和$Z^{p}(X^n)$的收敛定理, 主要研究半鞅序列$\{(X^n,Y(X^n),Z^p(X^n))\}_{n\ge1}$的依分布弱收敛和依分布稳定收敛.     

强平稳\rho-混合序列的精确渐近性

研究了强平稳\rho-混合序列部分和S_{n}=X_{1}+X_{2}+...+X_{n}的精确渐近性:即当\varepsilon\searrow 0时,概率级数\sum\limits_{n=1}^{\infty}\varphi(n)P(|S_{n}|\geq \varepsilon H(n))的极限行为和收敛速度,并揭示了函数\varphi(n)$与$H(n)之间的关系.     

依概率收敛与依分布收敛的关系

本文探讨了随机变量序列依概率收敛与依分布收敛的关系 ,并给出了一个依分布收敛能保证依概率收敛的最弱的条件 ,即 :设分布函数列 { Fn(x) }弱收敛于连续的分布函数 F(x) ,则存在随机变量序列{ξn}和随机变量ξ,它们分别以 { Fn(x) }和 F(x)为其对应的分布函数列和分布函数 ,且 {ξn}依概率收敛于ξ.     

$K_{5}\times S_{n}$ 的交叉数

把完全图$K_{5}$的五个顶点与另外$n$个顶点都联边得到一类特殊的图$H_{n}$.文中证明了$H_{n}$的交叉数为$Z(5,n)+2n+\lfloor \frac{n}{2}\rfloor+1$,并在此基础上证明了$K_{5}$与星$K_{1,n}$的笛卡尔积的交叉数为$Z(5,n)+5n+\lfloor\frac{n}{2} \rfloor+1$.     

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。     

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。     

极大代数上多输入多输出线性系统的最小实现

研究了极大代数上无穷阵序列{Gi}0∞的实现问题.首先给出了周期阵序列的概念,得到了1-阶和2-阶周期阵序列{Gi}0∞元素之间的关系,并得到多输入多输出情况下线性系统存在1维和2维最小实现的充要条件.     

关于k阶记录时间与k阶记录值的联合分布

设独立同分布随机变量序列{x_nj n≥1}的分布函数F(x)=p(x₁(k)(n);n≥1},{X^(k)(n);n≥1} 分别为{x_nj n≥1}的K阶记录时间序列和k阶记录值序列.本文我们用直接方法求出了{U^(k)(i),X^(k)(i);1≤i≤n}的联合分布，从而证明了k阶记录时间序列及k阶记录值序列的马氏性，并导出了它们之间的一     

CWC映射和度量化定理

利用CWC映射,本文获得了对称度量空间和g可度量空间的特征,建立了几个度量化定理,改进了一些已知结果．主要的定理是证明正则空间X是可度量化空间当且仅当存在X上的CWC映射g满足如下条件: (Ⅰ)若序列{xn}和{yn}对于每一n∈N有xn∈g(n,yn)且xn→x,则yn→x．(Ⅱ)若序列{xn}和{yn}对于每一n∈N有yn∈g(n,yn)且xn→x,则yn→x．     

含趋势项强相依非平稳序列的两个重要分布

{ηn}为平稳标准化正态序列,相关系数r|t-j|=Cov(ηu,ηj),若rnlogn→∞时,Leadbetter[1]等得到了序列最大值的渐近分布.本文考虑非平稳带有趋势项序列{ηn},得到了序列最大值的渐近分布和最大值与部分和的联合渐近分布.     

Banach空间中极大单调算子零点的迭代收敛定理及应用

令E为实光滑、一致凸的Banach空间,E*为其对偶空间.令A E×E*为极大单调算子且A-10≠.假设{rn}(0,+∞)为实数列且满足rn→∞,n→∞,数列{αn}[0,1]满足∑∞n=1(1-αn)<+∞,对给定的向量xn∈E,寻找向量{x∧n}及{en}使之满足:αnJxn+(1-αn)Jen∈Jx∧n+rnAx∧n,其中{en}E为误差序列而且满足一定的限制条件.即而定义迭代序列{xn}n 1如下:xn+1=J-1[βnJx1+(1-βn)Jx∧n],n 1,其中数列{βn}[0,1]满足βn→0,n→∞且∑∞n=1βn=+∞,则{xn}强收敛于QA-10(x1),这里QA-10为从E到A-10上的广义投影算子.利用Lyapunov泛函,Qr算子与广义投影算子等新技巧,证明了引入的新迭代序列强收敛于极大单调算子A的零点,并讨论了此结论在求解一类凸泛函最小值上的应用.     

关于任意随机变量序列配重和的一类强偏差定理

设{Xn,n≥1}是在E={0，1)中取值的二值随机序列，{an，n≥1}是[0，1]中取值的一列常数，Wn(ω)=n∑i=1aiXi(ω)，本文利用区间剖分法[1],[2]构造单调函数，研究任意二值随机序列配重和Wn(ω)的一类用不等式表示的定理，即强偏差定理．     

混合序列加权和的强大数定律

设{Xn,n≥1}是同分布随机变量序列,{αnk,n≥1,1≤k≤n}是满足某种条件的常数序列.本文在ψ-混合,ρ-混合,ρ~-混合条件下讨论了加权和∑kn=1ankXk的Kolmogorov强大数定律.