n-球面上的Cesàro算子的带权强性求和

设1(n-1)/p-n/2，f∈L^p(Ω_n)，σ^δ_N(f)(x)表示f(x)在n-球面Ω_n上的Cesàro平均.本文证明了(?)a_k≤A（A是绝对常数），这个结果加强了现有的结论.     

B-值随机变量序列叠对数律的收敛速度

设{X,X_n;n≥1}是在可分Banach空间(B,‖·‖)中取值的独立同分布随机变量序列,并且EX=0,Ef²(X)<+∞,f∈B^*,记S_n=X₁+…+X_n,n≥1.本文的目的是在适当的充要条件下研究和的收敛速度.作为本文结果的应用,分别给出了X满足有界叠对数律和紧叠对数律各一个新的充要条件;同时,本文改进了文献[3]和[4]在实空间情形所建立的一些结果.     

平稳序列中具有随机容量的多个随机中心秩顺序统计量的联合渐近分布

设｛X_n｝是平稳序列,是X₁⁽ⁿ⁾,…,X_n⁽ⁿ⁾的顺序统计量．以Mn表示随机容量,N_n（k）,k＝1,…,s表示随机中心秩,本文在强混合条件下得到了序列(?)的极限分布．     

U-统计量对数律的精确渐近性

设{X_n, n ≥1}是独立同分布随机变量序列, U_n 是以对称函数(x, y) 为核函数的U -统计量. 记U_n =2/n(n-1)∑_{1≤i h(Xi, Xj), h1(x) =Eh(x, X2). 在一定条件下, 建立了∑n=2^∞(logn)^δ-1EUn²I {I U n |≥n ^1/2√lognε}及∑n=3^∞(loglognε)^δ-1/logn EUn² I {|U n|≥n^1/2√log lognε} 的精确收敛速度.}     

最近邻密度估计的一致收敛速度

设X₁,…X_n是从具密度函数f的一维总体中抽出的iid。样本。1965年,Loftsgarden等在[1]中提出了如下的估计f(x)的方法:选择最小的a_n(x)=a_n(x;X₁,…,X_n),使区间[x-a_n(x),x+a_n(x)]中至少包含X₁,…,X_n中的K_n个样本     

对称群表示的既约分解

S_n是n个文字的对称群,T^d为C[x₁,x₂,…,x_n]中d次齐式所成的子空间.T^d做为S_n模所确定的S_n的表示记为ρ^d.π(α)为与分析α相对应的既约表示.记N^d_α为,π(α)进入ρ^d的重数,做为文献[1]的继续,本文简化了幂级数所满足的递推公式,并具体求出了母函数的表达式。     

不动点集为常余维数的带有对合的流形

本文决定了协边类α∈J_n^2k(2k≤40),β∈J_n^2t+1(2t+1≤19)的充要条件。     

论Szegǒ的定理

设f(z)=Z+a₂z²+…∈S.Szegǒ证明:S_n(z)=z+a₂z²+…+a_nzⁿ(n=2,3…)在|z|<1/4内单叶。ρ₀=1/4最好的,我们证明了更强的结果: 定理:若f(z)∈s.则s_n(z)(n=2,3…)在|z|<1/4内关于原点成星形。 当f∈S^*时为吴卓人所得。     

流形的浸入和稳定法丛

设f:M^m→Nⁿ(m≤n)是任一映射,M^m和Nⁿ是微分流形,S₁是T(M)→T(N)的单同态的同伦类的集合,V_f是f的稳定法丛的余维为n-m的标架场的同伦类的集合。本文证明了:当M的同伦维数≤n-2时,S_f与V_f一一对应,且这一对应与z₁(N^M,f)的作用交换,这使得我们容易计算S_f(因为对V_f的计算比较有办法),而且得到结论:当M的同伦维数≤n-2时,M→N的浸入的存在和分类仅依赖于M和N的稳定切丛。     

密度函数的相合随机窗宽核估计

设X₁,X₂,…,X_n是来自具有密度f的总体的R^d(d≥1)中iid。样本,定义基于样本X₁,X₂,…,X_n的f(x)的核估计为:其中窗宽h_n不仅依赖于样本X₁,X₂,…,X_n,也同x有关,我们在关于核及h_n的很弱条件下,得到了f_n(x)的强一致相合性,而且应用这个一般结果于一个重要特例——最近邻估计,施加于数串{k_n}的限制较文献[4]大为减弱,我们的工作,使在“核具有有界支撑”这一限制下,随机窗宽核估计的强相合问题达到接近彻底解决的程度。     

关于实二次域的类数(Ⅱ)

本文推广了文献[1]的结果,提供了实二次域类数等于1的另一个充要条件,文献[1]是这里的一个特例,特别,对素数p=4n²+1(n>1),域K=Q(p×1/2)的类数等于1的充要条件是这儿ζ_K(s)是域K的ζ-函数.     

NN-模式识别中条件误差概率收敛性的充要条件

Let (θ₁,X₁),…, (θ_n,X_n), (θ, X) be iid random vectors ,where θ∈{0,1},X∈R^d Denote by θ′_n the nearest neighbour discriminator of θ based on the training samples (θ₁,X₁),…, (θ_n,X_n) and the observed X; put(?). This paper gives a sufficient and necessary condition for (?) as n→∞, namely (P(θ=0, X=x)-P(θ=1, X=x))²·P(θ=0, X=x)·P(θ=1, X=x)=0 for every x∈R^d.This generalizes a previous result of the authors [5] and improves a result of Wagner, T.J. [2].     

二阶抛物方程组解的Lp-正则性和Hölder连续性

在可控和自然增长条件下,非线性抛物组 u''_t-D_aA_i^a(x,t,u,Du)= B_i(x,t,u,Du),i=1,…,N,(x,t)∈Q之解。u∈L²(0,T;H¹(Ω,R^N))∩L^∞(0,T;L²(Ω,R^N))(或∩L^∞(Q,R^N))的空间导数D_au事实上属于L_loc^p(Q,R^N),p>2;拟线性抛物组 u''_t-Dα[A_ij^αβ(x,t,u)D_βu^j+a_j^a(x,t,u)]=B_i(x,t,u,Du),i=1,…,N的每一个解都在一开集 Q₁?Q上 Holder连续,且H^n+2-p(Q\Q₁)=0;若当j>i时A_ij^αβ=0,且B_i(x,t,u,p)关于|p|的增长阶小于2,则Q₁=Q;若A_ij^αβ和a_i^a都Holder连续,则D_au也在Q₁上 Holdler连续.     

NA随机场对数律的收敛速度

设d是一个正整数, N ^d是d -维正整数格点.设{X_n , n∈N ^d} 是一同分布的负相伴随机场, 记S_n =∑_{k≤ n} X_k, S_n^(k)=S_n-X_k, 如果r >2, EX₁ = 0 和σ²= Var(X₁}, 则存在一个正数M:=100√(r-2)(1+σ²)使得下列条件等价 (I)E |X₁|^r (log|X₁|)^d-1-r/2 <∞; (II)∑_{n∈ N^d} |n|^r/2-2P(max_{1≤ k≤ n} |S_n^(k)|≥ (2^d+1 )ε√|n| log |n |) <∞,∨ε > M; (III)∑_{n∈N ^d} |n|^r/2-2P(max_{1≤ k≤n} |S_k |≥ε√| n} log| n |) <∞,∨ε > M. (III)\ \ $\sum\limits_{{{\bf n}}\in {{\cal N}}^{d}} |n|^{r/2-2} P(\max\limits_{{\bf 1}\leq{\bf k}\leq{\bf n}}|S_{{\bf k}}|\geq \varepsilon \sqrt{|{\bf n}|\log |{\bf n}|})<\infty$, $\forall\varepsilon>M$.     

齐次乘子算子的交换子

记H^l={w∈C^∞(R^k\{0}):w是l次齐次函数),R^_(-a)(m)是Taylor级数余项算子的n重叠合:m=(m₁,…,m_n)∈Zⁿ,Z记非负整数的集,α∈(R^k)ⁿ,定义 其中a=(a₁,…,a_n),a_i,f∈(R^k), 主要结果如下: 1.证明了几个介于算子T_^R(-a)^{(m)_w(ξ)),(a,f})的类与多线性奇异积分算子的类之间的对等定理; 2.作为应用,算子及 的某些有界性结果被给出,其中Ω∈H⁰,|β|≤|m|,且,m_i≥1。     

非参数回归函数最近邻估计的强相合性

设(X,Y),(X₁,Y₁),…,(X_n,Y_n)为取值R^d×R的独立同分布随机向量,E|Y|<∞。设m_n(x)为m(x)=E(Y|X=x)的最近邻估计。本文在E|Y|^r<∞(对某个r>1)或E{exp(t|Y|^λ)}<∞(对某个λ>0及t>0)的条件下,建立了m_n(x)的强相合性。其它附加条件均与(X,Y)的分布无关。     

关于N参数d维Ornstein-Uhlenbeck过程样本轨道性质的注记

设{W(s),s∈R₊^N)是N参数Wiener过程,定义N参数Ornstein-Uhlenbeck过程如下:作X^N,d={(x¹(t),…,X^d(f)),t∈R₊^N),这里Sⁱ是1≤i≤d两两独立同分布的N参数OUP称之为N参数d维OUP.本文我们证明了X^N,d象集的d维Lebesgue测度为零。     

部分和乘积的几乎处处中心极限定理

设X_n, n≥1是独立同分布正的随机变量序列, E(X₁)=u >0, Var(X₁)=σ², E|X₁|³<∞, 记S_n==∑^N_k=1X_k, 变异系数γ=σ/u.g是满足一定条件的无界可测函数, 证明了 lim_N→∞1/logN∑^N_n=11/n g((∏ⁿ_k=1S_k/n!uⁿ )^1/γ√n )=∫^∞₀g(x)dF(x),a.s., 其中 F(•) 是随机变量e^√2ξ 的分布函数, ξ 是服从标准正态分布的随机变量.     

Hénon映射的奇怪吸引子和吸引域的结构

考虑Hnon映射T_a.b,对于正测度的参数集合,构造了T_a.b的拓扑可迁的奇怪吸引子Λ_a.b的一个捕捉区G,证明Λ_a.b=T_a.bⁿG,同时证明Λ_a.b的吸引域恰好就是那些边界包含在W^u(P)∪W^s(P)中的区域的并以及W^s(P),从而肯定地回答了Benedicks和Carleson关于奇怪吸引子的吸引域的猜测。     

弱混合条件下序列的极值

文献[1—4]就弱混合条件下平稳序列的极值之极限分布进行过讨论。本文进一步推广到更一般的序列(包括同分布序列)的情形,并且得出文献[2,4—6]所涉及的高斯序列的极值问题正是本文所述渐近独立序列的极值问题的特殊情形,使所得结论包括了文献[1—7]中相应的主要结果。另外,本文以t_?代替通常的n,以u_n(x)代替x/a_(n)+b_n(a_n>0),使讨论更一般化。