关于正态随机变量线性组合的分布的一个充要条件

设ξ_1,ξ_2,ξ_3,…,ξ_n 为定义在同一概率空间(Ω,(?),P)上的任意 n(≥2)个正态随机变量,本文给出 a_1ξ_1+…+a_nξ_n(其中 a_1,a_2,…,a_n 均为非零实数)不是正态随机变量,而其任意 r(1≤r≤n-1)个的线性组合均为正态随机变量的一个充要条件,并指出文[1]的结果是本文的一个特例.     

退缩椭圆型方程的边值问题

<正> 在 R~n 的有界凸区域Ω上考虑椭圆型方程Lu≡sum from i,j=1 to n (a_(ij)(x)u_(xi)_(xj)+sum from i=1 to n b_i(x)u_i+c(x)u=f(x),(1)设对 x∈(?)及所有的实数组(ξ_1,ξ_2,…,ξ_n)sum from i,j=1 to n a_(ij)(x)ξ_iξ_j≥λ(x)sum from i=1 to n ξ_i~2≥0,a_(ji)(x)∈C(?),即算子 L(u)可能退缩而为退缩椭圆型算子。记(?)的边界为∑,∑上满足 sum from ij=1 to n a_(ij)n_in_j=0的点集为∑_0,(n_1,…,n_n)表示∑上的内单位法向量,∑_3=∑\∑_0,设其 n-1维测度非零,则对方程(1)可提如下的边值问题:     

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。     

代数特征值反问题之解的稳定性分析

考虑如下代数特征值反问题: 问题 G(A;{A_k}_1~n;λ).设 A=(a_(ij)),A_k=(a_(ij)~((k))),k=1,…,n是n+1个n×n的实对称矩阵,λ=(λ_1,…,λ_n)是n维实向量且λ_i≠λ_j,i≠j.求n维实向量c=(c_1,…,c_n)~T,使矩阵A(c)=A+sum from k=1 to n (c_kA_k)的特征值是λ_1,…,λ_n. 这一问题是经典加法问题的推广.当A_k-e_ke_k~~T(e_k是n阶单位阵的第k列)时,     

极差的概率分布和它在质量控制中的应用

<正> 设随机变量 ξ 的分布函数和分布密度为 F(x) 和 f(x),ξ_1,ξ_2,…,ξ_n 为其子样,将子样按大小顺序排列成为     

巧设函数证题

很多数学问题,一旦与函数联系起来,研究解决问题的途径便大为广阔。辅设函数证题是证明某些数学命题的有效方法,也是重要技巧。但是,目前有不少学生对它还比较陌生,至少说对这一方法掌握不够。现举数例如下,以兹参考。例1 设a_1cosα_1+a_2cosα_2+…+a_ncosα_n=0, a_1cos(α_1+1)+a_2cos(α_2+1)+…+a_ncos(α_n+1)=0.试证对任何实数β,有 a_1cos(α_1+β)+a_2cos(α_2+β)+…+a_ncos(α_n+β)=0. 证明设函数 f(β)=a_1cos(α_1+β)+a_2cos(α_2+β)+…+a_ncos(α_n+β).     

关于诱导极限有界集的一些结果

<正> 设E_1■ E_2■ E_3…为局部凸Hausdorss线性拓扑空间序列,E_n所具有的拓扑记作ξ_n,(E,ξ)=indlim(E_n,ξ_n)为其相对于连续恒同映照id:(E_n,ξ_n)→(E_(n+1),ξ_(n+1))的Hausdorff诱导极限(见[1],p.57).显然,(E_n,ξ_n)的每个有界子集必为(E,ξ)的有界子集.Dieudonne-Schwartz定理指出:若对于n∈N,E_n闭于(E_(n+1),ξ_(n+1)),且ξ_(n+1)关于E_n的相对拓扑等于ξ_n,则E的子集B为ξ-有界,当且仅当存在n∈N使B为(E_n,     

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。     

有限个均匀分布随机变量之和的分布

<正> 均匀分布是一种最简单而又较常见的分布,有着较广的应用.本文讨论在任意一个区间中有限个相互独立均匀分布的随机变量之和的分布问题. 首先讨论均匀分布的区间长度相等的情况. 设η_1,η_2,…η_n是在区间(0,1)中n个相互独立的均匀分布的随机变量,令η=η_1+     

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。     

仿射型李代数g(A)的某些自同构群

§0 引言 A=(α_(ij))是n阶广义Cantan矩阵,即A满足:ⅰ)α_(ii)=2,i=1,…n。ⅱ)当i≠j时,α_(ij)是非正整数。ⅲ) a_(ij)=0 α_(ji)=0。 h是复数域C上2n-l维向量空间,h是h的对偶空间。Π={α_1,…α_n},Π分别是h与h中线性无关子集,满足     

关于随机padé逼近的存在性和收敛性

首次对随机Pade逼近进行了研究。考虑了随机形式幂级数 f(z,ω)=a_0ξ_0(ω)+a_iξ_i(ω)z+…(1)的Pade逼近。其中a_i(i=0,1,…)是全不为零的实数序列,ξ_i(ω)是独立的连续随机变量。 首先证明了(1)的任意Pade逼近的a.s.存在性。其次,考虑了一类形如 (2) 的随机准解析函数Pade逼近的a.s.依勒贝格测度收敛性。     

三角在代数上的一个应用

指明一个实系数多項式P(x)是否有实根常常是一件很重要的事情。我們已經有施斗姆方法能指出P(x)实根的个数,当然也指出了非实复根的个数。下面仅提出一个P(x)有非实复根的充分条件作为三角在代数上的一个应用。定理实系数多項式P(x)=x~n+a_1x~(n-1)+…++a_n当(a_1-a_3+a_5-…)~2+(1-a_2+a_4--…)~2≤1,a_n(?)0时,一定有非实复根。为了証明这个定理,我們先証明两个公式: sin(α_1+α_2+…+α_n)==cos α_1 cos α_2…cos α_n(T_1-T_3+T_5-…),(1)cos(α_1+α_2+…+α_n)==cos α_1 cos α_2…cos α_n(1-T_2+T_4-…),(2)其中T_k为tg α_1,tg α_2,…,tg α_n中每k个相乘相加k=1,2…n。为了証明公式(1),(2)采用如下的归納法:設有两个命題f(n),g(n)。1) 当f(1),g(1)都是真确的。2) 假設f(n-1),g(n-1)都是真确的,可以推出f(n),g(n)也是真确的。则对所有的自然数n,f(n),g(n)都是真确的。     

测度弱收敛中的一个方法

<正> 设ξ,ξ_n,n=1,2,…为随机过程.我们常常遇到的一类问题是:已知ξ_n的有限维分布收敛于ξ的有限维分布,问要加上什么条件就可以推出ξ_n依分布收敛于ξ?随机过程可以看作是取值于函数空间的随机元,因此这类问题可以化为函数空间上测度的弱收敛问题. 郑曾同考虑了一般的函数空间,获得了函数空间上测度弱收敛的一个准则.他的     

加法与乘法逆特征值问题的可解性

1.引言 本文讨论如下代数特征值反问题可解的充分条件: 问题A(加法逆特征值问题)。给定一Hermite矩阵A=(a_(ij))_(n×n)及n个实数λ_1,…,λ_n,求一实对角阵D=diag(c_1…,c_n),使得A+D的特征值为λ_1,…,λ_n。 问题M(乘法逆特征值问题)。给定一正定Hermite矩阵A=(a_(ij))_(n×n)和n个正实数     

关于Lekkerkerker格点分布定理的注记

<正> §1 引言我们用 x,c 等表示 n 维实矢量,用|x|=|(x_1,…,x_n)|=(x_1~2+…+x_n~2)~(1/2)表示矢量 x 的长.用∧表示 n 维格(Lattice),即下面诸矢量的集:u_1α_1+…+u_nα_n,(u_1,…,u_n 为整数),其中 α_1,…,α_n 是 n 维实欧氏空间的一组固定的线性无关矢量,称为∧的基底,并把|det(α_1,…,α_n)|称为格∧的行列式,记为 d(∧),它是不依赖于基底选取的不变量.我们还用∧_0表示以单位矢 e_i(i=1,2,…,n)为基底的格.     

检定与测量中最大误差的概率估计

<正> 一、引言在工程测量和计量器具的检定工作中,常常使用最大误差来评定测量的精度,判断被检器具是否合格.具体地说,就是对已知真值(或已知实际值)的某量独立等精度地测量了n 次,或者对某计量器具的一个指示值检定了 n 次后,得到了 n 个误差值ξ_1,ξ_2,…,ξ_n,则取其中绝对值最大的一个,即 max(|ξ_1|,|ξ_2|,…,|ξ_n|),作为该测量的最大误差,或者作为该计量器具这一指示值的最大误差,并视其是否超过允许误差而判断该计量器具     

计算多项式零点的一种单纯轮回算法

本文讨论多项式零点算法及其计算复杂性问题。为简单起见,多项式都已写成f(z)=z~n+c_1z~(n-1)+…+c_(n-1)z+c_n的形式,这里n是正整数,z=x+iy是复变量,c_1,…,c_n是复常数。接照代数基本定理,我们也可以写f(z)=(z-ξ_1)…(z-ξ_n),这里ξ_1,…,ξ_n是多项式的全部n个(精确)零点。     

非正则中项变叙的极限分布

<正> §1.引言设 x_1,…,x_n 是独立同分布的随机变量,x_i 的分布函数记为 F(x),以ξ_(?)~(n),…,ξ(?)表示由小到大的{x_i}的变叙,[1]考虑了对0<λ<1,满足条件     

极大线性无关向量组与初等变换

<正> 向量组的线性相关性是线性代数中的一个重要基本概念。假设已给m个n元向量a_1,a_2…a_m,这里a_i=(ai_1,ai_2,…ai_n),i=1,2…m。判别向量组a_1,a_2…a_m的线性相关性;求此向量组的极大线性无关组和向量组的秩;将此向量组中任一向量用极大线性无关组线性