跳跃Markov过程序列到扩散过程的弱收敛

本文给出了正的跳跃时齐Markov过程的函数弱收敛于扩散过程的一般性定理。应用这一定理,在一定条件下证明了随机过程序列{Y~n}_(n≥1)弱收敛于线性扩散过程、带漂移的Bessel扩散过程(这里的条件比K.Yamada在[3]中所给出的条件要弱)以及几何Brown运动。其中Y_i~n=1/(α_n)X_(β_ni)~n,X~n为正的时齐跳跃Markov过程,α_n、β_n为正数,并且满足条件:(?)=∞,(?)β_n/α_n~2=k~2>0。     

稳定积分的弱收敛

令{X;X_n≥1}是一列严平稳的随机变量,且其分布F在一个α-稳定分布的吸引场,这里0α1.本文考虑∑_(i=1)~n f_n(β,i/n)(X_i)/(a_n)的弱收敛性.不同于经典意义下的随机过程弱收敛,本文将∑_(i=1)~n∫_n(β,in/)(X_i)/(a_n)看作β变化的随机元,利用点过程收敛方法得到了其弱收敛性.     

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.     

Mann迭代和具误差的Ishikawa迭代收敛性的等价定理

在迭代参数仅满足(?) supβ_n(k/L(L+1)),(?)α_n=0和(?)α_n=+∞的条件下,用不同与于已有的方法证明了任意实Banach空间中的Lipschitz强伪压缩算子的Mann迭代和具误差的Ishikawa迭代收敛是等价的.这推广和改进了目前需假设limβ_n=0和两迭代程序的初始点的取值需相同条件下的已知结果.     

逼近非扩张非自映像不动点（英文）

设E是一致凸Banach空间,K是E中非空闭凸集且是一个非扩张收缩核,T：K→E是具非空不动点集F（T）：={x∈K：Tx=x}的非扩张映像.设{α_n},{β_n},{γ_n},{α′_n},{β′_n},{γ′_n}是[0,1]中实数列满足α_n＋β_n＋γ_n=α′_n＋γ′_n＋γ′_n=1,对任意初值x_1∈K,定义{x_n}如下（ⅰ）如果对偶空间E＊具有Kadec-Klee性质,那么{x_n}弱收敛于T的某不动点x＊∈F（T）;（ⅱ）若T满足（A）条件,那么{x_n}强收敛于T的某不动点x＊∈F（T）.     

非线性算子具误差的隐迭代程序的强收敛性

设K是一致凸Banach空间中的非空闭凸子集,T_i:K→K(i=1,2,…,N)是有限族完全渐近非扩张映象.对任意的x_0∈K,具误差的隐迭代序列{x_n}为:x_n=α_nx_n-1+β_nT_n~kx_n+γ_nu_n,n≥1,其中{α_n},{β_n},{γ_n}■[0,1]满足α_n+β_n+γ_n=1,{u_n}是K中的有界序列.在一定的条件下,该文建立了隐迭代序列{x_n}的强收敛性.得到隐迭代序列{x_n}强收敛于有限族完全渐近非扩张映象公共不动点的充要条件.所得结果改进和推广了Shahzad与Zegeye,Zhou与Chang,Chang,Tan,Lee与Chan等人的相应结果.     

广义Lipschitz伪压缩映射黏滞迭代逼近方法的强收敛

K是Banach空间E的一个非空闭凸子集,T:K→K是一个广义Lipschitz伪压缩映射.对Lipschitz强伪压缩映射f:K→K和x_1∈K,序列{x_n}由下式定义:x_n+1=(1-α_n-β_n)x_n+α_nf(x_n)+β_nTx_n.在{α_n}与{β_n}满足合适条件的情况下,每当{z∈K;μ_n‖x_n-z‖~2=inf_(y∈K)μ_n‖x_n-y‖~2}∩F(T)≠φ时,{x_n}强收敛到T的某个不动点x~*.     

离散时间观测下的α-赋权分数桥的参数估计（英文）

本文研究了赋权分数桥dX_t=-α(X_t/T-t)dt+dB_t~(a,b),0≤tT,中未知参数α0的参数估计问题.其中B~(a,b)是参数为a-1.|b|1,|b|≤a+1的赋权分数布朗运动.似设对随机过程X_t进行离散观测t_i=i△_n,i=0,…,n,且T_n=n△_n.本文构造了α的最小二乘估计α_n.证明了当n→∞时,α_n依概率收敛到α.     

Hermite-Fejer Interpolation With Moved End Points

Let Z_n={z_(kn)=cosθ_(kn):θ_(kn)=(2k-1)/(2n)π,k=1,2…,n}be the zeros of T_n(x)=cosnθ(x=cosθ,θ∈[0,π]).For 0≤ε≤1,let α_n=:α_n(ε)=:cos(1-ε)/(2n)π,β_n=:β_n(ε)=:cos(2n-1+ε)/(2n)π=-α_n,X_n~(1)=(Z_n-{z_(1z)})∪{α_n},X_n~(2)=(Zn-{z_(nn)})∪{β_n},X_n~(3)=(Z_n-{z_(1n),z_(nn)})∪{α_n,β_n},Y_n~(1)=Z_n∪{α_n},Y_n~(2)=Z_n∪{β_n},Y_n~(3)=Z_n∪{α_nβ_n}.     

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     

鞅型序列的变换及其收敛性

本文证明了(1)设 Banach 空间 B 为 P 阶光滑的(1≤P≤2),X=(X_n,(?)_n,n≥1)为B 值鞅,v=(v_n,(?)_n,n≥1)为实值可予报序列,鞅变换 Y=(sum from i=1 to n V_i(X_i-X_(i-1)),(?)_n,n≥1)在一定的条件下具有 a.e.收敛性,L~p 收敛性及强(弱)大多数定律成立。(2)Banach空间 B 具有 Radon-Nikodym 性质,X=(X_n,(?)_n,n≥1)为 B 值依概极限鞅,实值可予报序列 V=(V_n,(?)_n,n≥1)满足 sum from i=1 to ∞ E(|V_i|~p)~(1/p)<∝,1相似文献   

最近邻判别法中错误概率估计的强收敛速度(英文)

本文考虑最近邻判别法中错误概率估计的强收敛速度.设(X,θ),(X_1,θ_1),…,(X_n,θ_n)为取值于 R~m×{1,2,…,M}的 i.i.d.样本,m≥1,M≥2为正整数.记θ′_n 为θ的最近邻判别,错判概率 R_n=p(θ′_n≠θ),恒有(?)R_n=R.(?)_n 为基于 X,并借助于训练样本(X_1,θ_1),…,(X_nθ_n)的 R_n 的估计量.我们证明了在一组条件下,及对适当选取的α>0,有(?)_n-R=0(1/(n~α)).     

一类跳过程的弱收敛

本文利用 T.G.Kurtz的弱收敛定理及多维动力系统的 Liapunov稳定性理论,讨论了一类非线性多维跳过程N~(1/2)(x_N-x)到一扩散过程的弱收敛,这里x_N为一多维反应扩散过程,N为其反应体积,x为其相应的决定系统的稳定态。     

次分数Brown运动一个积分泛函的中心极限定理及其应用

假设S~H是Hurst参数为0H1的次分数Brown运动.本文研究积分过程1/(η(ε))∫_0~T((S_(s+ε)~H-S_s~H)~2-ε~(2H))ds,ε0的渐近分布,其中T0,η(ε)表示一个当ε→0时的无穷小量.当0H3/4和η(ε)=ε~(2H+1/2时,本文证明了上述积分弱收敛于一个标准Brown运动B的常数倍;当H=3/4和η(ε)=ε(-logε)~1/2时,证明了存在另一标准Brown运动W,使得上述积分弱收敛于3/4W.为应用,本文利用广义二次变差建立了Ornstein-Uhlenbeck(O-U)过程X_t~H=X_0~H+ σS_t~H-β∫_0~tX_s~Hds,中参数σ0的估计量,并给出其渐近正态性.     

随机环境中两性分枝过程的矩收敛准则

设(z_n)是随机环境ξ中两性分枝过程:■=Z_n/S_n,■=Z_n/I_n,其中(S_n)和(I_n)是通常的规范化序列.给出了过程(■)L~α-收敛(α≥1)到有限且非退化随机变量的充分条件和必要条件;通过鞅分解定理给出了(■)L~2-收敛的充分条件;研究了过程(■)L~α-收敛(α≥1)到有限且非退化随机变量的充分条件,并给出了过程(■)L~2-收敛的必要条件.     

Dirichlet过程的弱收敛

利用Dirichlet型的方法研究Markov过程的弱收敛,得到一般度量空间上Hunt过程弱收敛的两个定理.作为应用,给出有限维和无限维空间上对称或非对称Dirichlet过程弱收敛的例.     

单跳过程的弱收敛

假设(X~n)_(n≥1),是单跳过程序列,X是一个单跳过程。就可料特征,跳跃时和跳幅方面,本文给出了保证X~n弱收敛于X的一些充分必要条件。     

关于有完全正规增长的准确零(R)级的整函数

设有一个由在复平面上绝对收敛的 Dirichlet 级数F(s)=(?)α_ne~(sλ)n(1)所表示的整函数,其中,s=σ it,0<λ_1<λ_2<…<λ_n…↑ ∞,(?)(logn/Kλ_nZ(λ_n))=0,(?)(logn/λ_n)<∞,α_n 是复数,σ及 t 是实变数.令 M(σ)=sup{|F(σ it)|,—∞相似文献   

经验测度序列的大偏差原理

设{X_i,i∈N)是平稳N A随机变量序列且ψ_(1)＞0．记经验测度δ_n=1/n■,借助于弱收敛拓扑下的开集与β度量下的开球之间的关系,证明了{P{δ_n∈·},n→∞}在(M_1(R),■)上满足大偏差原理．     

等比数列一个性质及应用

对于等比数列,我们有如下的性质: 性质:如果数列{α_(n 1)-αα_n}(α≠0)是公比为β的等比数列,则数列{α_(n 1)-βα_n}是公比为α的等比数列。证明∵α_(n 1)-αα_n=β(α_n-αα_(n-1)) 即α_(n 1)-βα_n=α(α_n-βα_(n-1)) 故数列{α_(n 1)-βα_n}是公比为α的等比数