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     

关于平稳序列随机变秩顺序统计量的极限分布

令{ζ_n}是平稳序列,ζ_1~(n)≤ζ_2~(n)≤…≤ζ_n~(n)是ζ_1,…,ζ_n的顺序统计量,x∈R,a_n>0,b_n是实数列,u_n=α_nx+b_n,设f_n(x),g_n(x)是取正整数值的波雷尔可测函数,且f_n(x)≤g_n(x)≤n,g_n(x)关于n严格递增,设X是离散值随机变量且关于σ(ζ_1)可测,令对某q∈(0,1)有 本文在一种混合条件下,讨论了的渐近性质。     

求解逆特征值问题的牛顿类方法的收敛判据

<正>1引言多年来,众多数学工作者在推导和分析如下定义的逆特征值问题(IEP)的理论和算法上表现出了相当大的兴趣.以下我们设c=(c_1,c_2,….c_n)~T E R~n,{A_i}_(i=1)~n是n个实对称的n×n矩阵.定义A(c)=∑ni=1c_iA_i.(1)设A(c)的特征值为{λ_i(c)}_(i=1)~n且λ_1(c)≤λ_2(c)≤…≤λ_n(c).设{λ_i~*)_(i=1)~n为任意给定的n个数并且满足λ_1~*≤λ_2~*≤…≤λ_n~*.我们这里考虑的IEP就是寻找向量c~*∈R~n使得λ_i(c~*)=λ_i~*对任意的i=1,2,…,n.(2)     

大数定律的推广

引理1.設α≥0,則 引理2.若 1) y_n+1>y_n(n=1,2,…,); 2) (?)y_n=+∞; 3) (?)(x_n+1-x-n)/(y-n+1-y_n)存在,則 这两个引理的証明可参看[1]及[2];引理2又称为施篤茲定理。下面我們用σ_n~2表示随机变量ξ_n的方差,用ρ_(ij)表示随机变量ξ_i与ξ_j的相关系数。定理.設{ξ_n}是一随机变量序列,如果存在0≤λ<1,使得 1) (σ_1~2+…+σ_n~2)>A,对任何n成立; 2) 当|i-j|→∞时,|i-j|~λρ_(ij)一致趋向于0,則这随机变量列滿足弱大数定理。     

解广义特征值反问题的同伦方法

1.引言 我们讨论下列广义特征值反问题: (G)已知B是n×n阶对称半正定矩阵,λ=(λ_1,…,λ_(2n-1))~T∈R~(2n-1),且{λ_i}~(n_3),和{λ_i}_(n+1)~(2n-1)严格交错。问题是欲求一个实对称三对角n×n阶矩阵A,使得λ_1…,λ_n是Ax=λBx的特征值,λ_(n+1),…,λ_(2n-1)是A_(n-1)x=λB_(n-1)x的特征值,其中A_(n-1),B_(n-1)分别是矩阵A,B的前n-1阶主子阵。     

平稳随机序列的变秩顺序统计量的联合渐近分布

设{X_n}是平稳序列,X_1~((n))≤…≤X_n~((n))是X_1…X_n的顺序统计量。{k_n(r)},r=1,2是二变秩序列。本文在某种相关条件限制下得到了{X_(kn)~((n))(1),X_(n-_(kn))~((n))(2)+1)}的极限分布。特别地,对满足k_n(r)/n→λ(r)∈[0,1),r=1,2的特殊秩序列,得到了{(X_(kn)~((n))(1),X_(n-_(kn))~((n))(2)+1)}的所有可能的极限分布类。     

函数空间中功率和的极限定理

在电信工程或其它传输工程问题中,常需研究随机变量序列{ξ_k}的幂和的对数 P_n=10lg(10~(ξ_1/10) +10~(ξ_2/10)+…10~(ξ_n/10)) (1)的分布或渐近性质.特别地,当{ξ_k}是用分贝表示的功率电平时,即 ξ_k=10lg(W_k/W_0),k=1,2,…,此处W_0、W_k均代表功率,那么我们可写     

Orlicz空间内的一类Müntz有理逼近

正1引言设C[0,1]是[0,1]区间上全体连续函数,对非负递增实数序列Λ={λ)n}_(n=1)~∞,以П_n(Λ)表示n阶Müntz多项式空间,即{x~(λ_1),x~(λ_2),...,x~(λ_n)}的线性组合的全体,以R_n(Λ)表示n阶Müntz有理函数空间,即     

Orlicz空间中Müntz有理函数逼近的Jackson型定理

正1引言Müntz在文献[1]中研究了Müntz系统{x~(λn)}~∞_(n=1)在C[0,1]中的稠密问题,给出了著名的Müntz定理,这也将Weierstrass定理推广到了更一般的情况.之后学者们逐步转向了考虑Müntz有理逼近速度等问题的研究,而且这类研究正日益深入.设C[0,1]是[0,1]区间上全体连续函数,对非负递增实数序列∧={λ_n}~∞_(n=1)以∏_n(∧)表示n阶Müntz多项式空间,即{x~(λ_1),x~(λ_2),…,x~(λ_n)}的线性组合的全体,以R_n(∧)表示n     

索伯列夫空间的有限元迫近

记I_1=(-∞,ξ_1),I_2=(ξ_1,ξ_2),…,I_n=(ξ_(n-1),ξ_n),I_(n 1)=(ξ_n, ∞)。定义H~(m 1)(R,ξ_1,…,ξ_n)={u|u∈H~m(R),在I_i上u∈H~(m 1)(I_i),i=1,…,n 1}。 设μ(x)∈H~m(R),λ(x)∈L~∞(R)。并且满足:1.他们的支集都是R中的有界集合;2·∫_Rμ(x)dx=∫_Kλ(x)dx=1;3.μ(x)满足m-1收敛准则条件,即存在常数b_0=1,b_1,…,     

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.     

纯生过程的变异性(英语)

设{X(t):t≥0}为零初值纯生过程,出生率为λ_n,n≥0.在本文中,我们证明了Faddy[7]的一个猜测:当出生率为单调增加序列λ_0≤λ_1≤λ_2…。时,Var{X(t)}≥E{(t)};当出生率为单调减少序列时Var{X(t)}≤E{(t)}。     

伪单调数列与带误差的凸组合迭代的收敛性

一 伪单调数列 定义1 设非负数列{ε_n}具有如下性质:“满足 a_(n+1)≤a_n+ε_n,n=1,2,… (1)且有下界的任意数列{a_n}必收敛”,则称数列{ε_n}具有“性质M”。 定理1 非负数列{ε_n}具有性质M的充要条件是级数sum from n=1 to ∞(ε_n)收敛。证 必要性:设非负数列{ε_n}具有性质M,取数列{a_(1n)}为     

截断和与次序统计量的联合极限分布

§1.引言 设{X_n,n≥1}是iidry序列,具有共同的非退化dfF.对每n≥1,以X_(n,1)≤…≤X_(n,n)。记X_1,……,X_n的次序统计量.如果整数k_n和l_n满足1≤k_n相似文献   

Hill估计的重对数律

设{x_n,n≥1}是i.i.d.序列,分布函数具有形式F(x)=1-(L(x))/(x~(1/O)),x>0,其中L(x)是缓慢变化函数,0相似文献   

SPN—矩阵谱的一个特性条件

设A=(a_(ij))是n×n实矩阵,A的谱{λ_1,λ_2,…,λ_n}满足ρ(A)=|λ_1|≥|λ_2|≥…≥|λ_n|。如果A的每个奇数阶主子式是(非负)正的且每个偶数阶主子式是(非正)负的,则称A是(半)PN—矩阵。在过去的十几年里,PN—矩阵类和半PN—矩阵类在经济学文献中已引起足够的重视[1],因为每个主子式皆为负(非正)的矩阵被     

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   

Banach空间中渐近非扩张映射逼近序列的强收敛性

该文研究了序列{x_n}的收敛性。其中x_0∈C, x_{n+1}=α_n T^n x_n+(1-α_n)x, n=0,1,2,…,这里0≤α_n≤1，T是Banach空间中非空闭凸子集C到自身的渐近非扩张映射。同时证明了：当z_n=(1-t_n/k_n)u+t_n/k_n T^n z_n且lim_{n→∞}{(k_n-1)/(1-t_n)}=0,lim‖z_n-Tz_n‖=0时，T有不动点当且仅当{z_n}有界。这时{z_n}强收敛于T的不动点。     

强混合平稳序列的随机容量,随机秩顺序统计量的极限分布

§1.引言 设{X_n,n≥1}为严平稳随机序列,一维边际分布函数为F(x),W_1(n)≤W_2~(n)≤…≤W_n~(n)为X_1,X_2,…,X_n的顺序统计量.若K_n≤n为正整数列,则称W_K_n~(n)为非随机秩顺序统计量,秩为K_n;若M_n,N_n,n≥1为两正整值随机序列,N_n≤M_n,a.e.,     

有限状态马尔可夫链的某些研究

设(ξ_n,n≥0)是状态空间为{l,2,…,s}的不可约马尔可夫链,其转移概率矩阵是P.用v_(ni)表示在ξ_1,ξ_2,…,ξ_n中状态i出现的次数(i=1,2,…,s).用(q_1,…,q_2)表示对应于P的唯一平稳分布.设a_1,…,a_s是满足条件 q_1a_1 q_2a_2 … q_sa_s=0的任意实数. 在本文中,我们求出了v_(n1),…,v_(ns)的矩母函数,给出了1/n~(1/2) sum from 1 to 8 a_i v_ni及(v_n1-nq1)/n~(1/2),…,v_(ns)—nq_s/n~(1/2))的极限分布的明显表达式(当n→∞时)。一些有关的结果也得到了。