鞅差序列的概率不等式和Rosenthal不等式（英文）

本文研究了鞅差序列的一些不等式.利用条件期望性质和基本不等式,获得了鞅差序列的Bernstein, Kolmogorov和Hoeffding不等式,推广了有界随机向量相应的结果.另外,得到了鞅差序列的最大部分和的经典Kolmogorov和Rosenthal不等式,补充了次线性期望下独立和负相依随机变量的相应结果.     

无界函数指标集上经验过程大偏差的局部概率不等式及应用

提出并研究了无界函数指标集合上经验过程的大偏差尾部的局部概率指数不等式, 给出了一种新的截割原始概率空间的方法和新的对称化方法. 利用这些方法, 导出了无界函数指标集合上非i.i.d.独立样本的经验过程大偏差尾部的局部概率指数不等式, 并给出了它们的若干应用. 作为应用的一个附带结果, 在Kolmogorov定理所给的条件下, 将Kolmogorov关于非i.i.d的独立随机变量和的强收敛结果推广到无界函数指标集上的经验过程情形, 并且得到了无界函数指标集上经验过程大偏差尾部的局部概率指数不等式和对数律.     

不同分布WOD随机变量序列的重对数律

在一个独立随机变量序列的重对数律的基础上,获得了一个不同分布WOD随机变量序列的重对数定理,定理的证明基于一个Kolmogorov型指数不等式.     

关于AQSI序列的几乎处处收敛性及强大数定理

建立了关于AQSI序列的Kolmogorov型不等式和AQSI序列的三级数定理,讨论了AQSI序列的几乎处处收敛性并且得到了关于AQSI序列的chung型强大数定理.     

φ-混合随机变量序列收敛性质的若干新结果

本文将Kolmogorov型不等式推广到φ-混合序列,并且研究其强收敛性质,得到了φ-混合序列的Khintchine-Kolmogorov型收敛定理、三级数定理和Marcitlkiewicz型强大数定律.     

基于不确定变量序列的矩和尾不等式研究

不确定不等式是研究不确定极限理论和不确定统计的基础和前提。本文主要在不确定理论框架下研究几个重要的不确定矩和尾不等式,例如r-阶不等式、Kolmogorov不等式等,并和概率空间随机变量序列相关矩和尾不等式比较,得到一些好的结果。     

Chaitin复杂度、事件的Shannon信息量和无穷随机序列(Ⅰ)

基于程序复杂度,Kolmogorov提出了信息论和概率论的逻辑基础。本文的工作旨在进一步加强和完善这一逻辑基础。首先,对一般可计算概率分布的情形,我们从程序复杂度的角度给出了某一序列x∈A^∞是Martin-lf无穷随机序列的充要条件,从而对无穷随机序列这一概念,找到了与Martin-lf定义等价的程序复杂度基础的定义,建立了有穷随机序列和无穷随机序列的统一的复杂度基础的理论。其次,我们给出了Chaitin复杂度与事件的Shannon信息量之间的不等式关系及渐近等价关系。     

泰勒公式的应用与技巧

<正> 在高等数学中,有关极值的判定、函数不等式和定积分不等式等问题的证明,往往技巧性很高.通常被人们认为这是数学中的难点,这是因为每个不同的数学问题都具有本身独特的处理方法.由于定积分不等式依赖干函数不等式,而函数不等式的证明方法通常用:拉格朗日中值定理,单调性、函数的极值和凸函数性质等.如何在众多的习题中找到其较好解法.就解题实践而论.对于某些结构特殊的题目,用一般方法求解,求证,常     

Kolmogorov定理的一个变形

本文研究了随机过程轨道连续性的Kolmogorov定理.通过将两点间的距离用矩形上的增量代替,得到了Kolmogorov定理在高维空间的一种推广.     

2012年中考专题复习(7)——“不等式”

中考内容要求1.能够根据具体问题中的大小关系了解不等式的意义,掌握不等式的基本性质.2.会解简单的一元一次不等式,并能在数轴上表示出解集.会解由两个一元一次不等式组成的不等式组,并会用数轴确定解集.3.能够根据具体问题中的数量关系,列出一元一次不等式和一元一次不等式组,解决简单的问题.专题考点解析这部分内容的考点有如下特点:(1)直接考查不等式(组)中的有关概念和解法,多以选择题、填空题和解答题的形式出现;(2)求不等式组的某些特殊解(如正整     

Kolmogorov统计量的精确分布及其在Bootstrap逼近中的应用

假设x₁,x_m iid服从分布F,当F连续时,Kolmogorov统计量的精确分布已由张里千(1956)获得.本文考虑在n个点上取概率为1/n的离散分布.得到的精确分布与张里千的结果有相同的形式.利用这个结果,得到Kolmogorov统计量分布的Bootstrap逼近的收敛速度为n^-1/2的阶.这是对统计量的极限分布形式复杂甚至未知的情况下Bootstrap逼近的收敛速度问题的一个初步的探讨.     

行m-NSD随机变量阵列的完全收敛性

本文研究了行m-NSD随机变量阵列的完全收敛性问题.主要利用m-NSD随机变量的Kolmogorov型指数不等式,获得了行m-NSD随机变量阵列的完全收敛性定理,将Hu等（1998）andSung等（2005）的结果从独立情形推广到了m-NSD随机变量阵列.本文的结论同样推广了Chen等（2008）,Hu等（2009）,Qiu等（2011）和Wang等（2014）的结果.     

两两NQD列的强大数定律

该文把同分布的两两NQD列的Kolmogorov强大数定律推广到了在一类广泛的条件下的不同分布的情形, 为此而建立的Kolmogorov Chung型强大数定律本身也是有意义的.      

数学规划中的初等矩阵方法

§1.引言我们知道x≥0是线性不等式组Ax≥0的解的充要条件是x=K(A)w,w≥0.其中K(A)称为矩阵A的初等矩阵.人们把这一手段应用于线性规划的降阶上,将齐次线性不等式约束去掉.我们把初等矩阵方法的应用加以拓广,使之成为解线性规划普遍有效的方法.还用之于解线性不等式、多目标线性规划、非线性规划等.只要稍加安排,初等矩阵方法的存贮量和运算量都不大,实用中发现这一方法是很有效的.     

“糖水不等式”的应用

<正>在生活中,如果向一杯糖水里再添加一些糖,溶解后糖水变得更甜了,这个熟悉的生活现象中蕴含了真分数不等式的放大性质.即:当a>b>0,m>0时,有b/a相似文献   

关于 C-R 型下界的几个结果

<正> C-R 型下界,最早是 Cramér-Rao 在1945—1946年证明的一个不等式(C-R 不等式)中给出的.后来,有不少文献进行这方面的研究.这类结果被称为 C-R 下界或 C-R 型不等式.它们在估计理论中有重要作用.其中一个重要问题是在什么条件下达到下界.对于单参数情况,早在1959年 Fend 就指出:在一定的正则条件下,可估 g(θ)的一致最小方差无偏估计(UMVUE)的方差,处处达到 C-R 下界的充要条件是分布族为指数族.直到1973年 Wijsman 才给出了一个严格的证明.我们把这一结果推广到了多参数情     

行m-NSD随机变量阵列的完全收敛性（英文）

本文研究了行m-NSD随机变量阵列的完全收敛性问题.主要利用m-NSD随机变量的Kolmogorov型指数不等式,获得了行m-NSD随机变量阵列的完全收敛性定理,将Hu等(1998)and Sung等(2005)的结果从独立情形推广到了m-NSD随机变量阵列.本文的结论同样推广了Chen等(2008),Hu等(2009),Qiu等(2011)和Wang等(2014)的结果.     

局部紧Abel群上的加权大筛法不等式

本文在一般的条件下,在局部紧Abel群上建立了加权大筛法不等式,并对古典调和分析的对象R^k,T^k与Z^k上的加权大筛法不等式,进行了更为详细的讨论.我们对这些具体对象得到了几种类型的不等式,它概括了这方面迄今已有的,除Montgomery与Voughan的具有差不多最好常系数的不等式以外的结果.其中有一个的常系数优于已有结果,有一个是新结果,另外一个是上面提到过的Montgomery与Vaughan的结果的高维类似.     

广义Kolmogorov矩阵的定性理论

本文讨论形如的拟Q-矩阵,其中0≤q_i,b_i,f_i<∞,q_i≥f_i,(i∈I).称为广义Kolmogorov矩阵.本文给出了它的h-类Q过程的存在性,唯一性准则.由此立得广义Kolmogorov矩阵为Q-矩阵及诚实Q-矩阵的充要条件.这推广了[2]—[7]的主要结果.     

也谈一元一次不等式的解集及其数轴表示问题

<正>贵刊(初中版)2009年8月(下)刊发了安徽毛春松老师的《类比方程学好不等式(组)》,文中将一元一次不等式同一元一次方程的解答过程进行了对比,有效帮助同学们掌握解不等式的相关方法.对比解一元一次方程,在解不等式时,"不等式两边同时乘以(或除以)同一个负数时,不等号的开口方向要改变"这一步与解方程不同,最容易出现错误.因此笔者认为很有必要将解不等式步骤中"化系数为1"的这一步凸显出来,如此不仅提醒同学们关注这一步的符号特征从而更加准确地求解,也便于解题之后进行检查.除此之外,本