非循环序列相关系数的分布(Ⅱ)

§1.引言和摘要.作者在“非循环序列相关系数的分布(Ⅰ)”中已经给出了来自正态总体的子样的非循环序列相关系数的精确分布.在这篇文章里,作者进一步研究了称为时滞 l 的非循环序列相关系数     

M序列自相关系数的递推算法

一、前言 伪随机序列是一类有着广泛应用的伪随机码.在数字通讯、测距及跟踪系统中常用其来调制信号,以达到提高可靠性与有效性以及保密等目的.最常用的一类伪随机码则是由移位寄存器产生的序列.对于线性的情形,已有比较完整的结果,而对于非线性情形,则要复杂得多.目前,讨论得最多而用途最广的是所谓最长的序列,即M序列. 在我们的工作中,已经证明了,凡满足下述两条件:     

相关系数平稳序列的均值和方差的参数估计

文献[1]提出了相关系数平稳过程并讨论了它的参数估计方法,其参数估计值采用了数值迭代法.本文在[1]的基础上对一种特殊的相关系数平稳序列的均值和方差提出一种具体的解决方法,得到了确切的均值和方差的参数估计表达式.     

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     

一类循环序列的稳定性

讨论了循环序列x_(n+1)=(α-βx_n)/(γ+x_(n-1)),n=0,1,2,….解的整体渐近稳定性,用系数α,β,γ给出了其正的平衡点是全局吸引的充分条件及全局吸引域.其中α,β,γ为正实数.     

矫正低秩相关系数矩阵的松弛序列凸近似方法

本文主要讨论带有秩约束以及简单上下界约束的相关系数矩阵矫正问题的求解方法.该问题可以写成一个含有DC(两个凸函数之差)约束的优化问题,于是考虑利用求解DC优化问题的序列凸近似(SCA)方法求解.然而对本文讨论的问题,经典的序列凸近似方法收敛所需的约束规范不成立,于是,本文提出一种松弛的序列凸近似方法.本文证明当松弛参数趋于零时,松弛的DC问题的稳定点趋于原问题的稳定点.另一方面,可以利用序列凸近似方法求解松弛的DC问题.可以证明,序列凸近似方法生成的一系列凸子问题的解的聚点就是该松弛DC问题的稳定点.数值实验验证了该方法的有效性.     

相关系数的稳定性

通过相关分析确定变量之间关系的密切程度,建立适用的预报模式是统计预报中最基本最常用的一种方法.但是人们在实践中常常感到:用显著相关的因子建立的迴归方程,对于历史资料虽有较高的拟合率,但预报的准确率却常常较低.如何提高预报准确率是当前统计预报的突出课题.影响预报效果的原因很多,一个重要原因是预报因子和预     

相关系数的传递性

主要研究了相关系数的传递性.首先在区间[-1,1]上引入两个运算和⊕,并讨论了它们的性质.接着利用运算和⊕给出了相关系数的传递性:当Xi与Xk完全相关,Xk与Xj完全相关时,Xi与Xj也完全相关.     

含趋势项强相依非平稳序列的两个重要分布

{ηn}为平稳标准化正态序列,相关系数r|t-j|=Cov(ηu,ηj),若rnlogn→∞时,Leadbetter[1]等得到了序列最大值的渐近分布.本文考虑非平稳带有趋势项序列{ηn},得到了序列最大值的渐近分布和最大值与部分和的联合渐近分布.     

低汉明重量序列的分布

数n的汉明重量是指n的二进制字符串表达式中数字1的个数,用Ham(n)来表示.低汉明重量序列在密码系统和编码理论中有非常广泛的应用.本文建立了低汉明重量数的序列表达式,并且利用指数和的上界以及Erd?s-Turán不等式证明低汉明重量序列的均匀分布性质,从而确保密码算法的随机性和运算效率.     

非平稳高斯序列超过数点过程与部分和的联合渐近分布

设$\{X_{i}\}^{\infty}_{i=1}$是标准化非平稳高斯序列, $N_{n}$为$X_{1},X_{2},\cdots,X_{n}$对水平$\mu_{n}(x)$的超过数形成的点过程, $r_{ij}=\ep X_{i}X_{j}$, $S_{n}=\tsm_{i=1}^{n}X_{i}$. 在$r_{ij}$满足一定条件时, 本文得到了$N_{n}$与$S_{n}$的渐近独立性.     

关于相关系数的探讨

讨论统计学中的线性相关系数和非线性相关系数,寻找其共性.对比研究与信息再利用.得到一个相关系数的通用公式.该公式适合于统计学中的各种数据处理.     

连续模糊集的相关系数

相关系数在模糊决策领域发挥着重要的作用,但是其定义一直存在着问题。1985年,Murthy等~([1])提出了连续模糊集相关系数的两个计算公式,第一个公式与统计学中的相关系数具有相似的意义,但是其连续模糊隶属函数的均值定义是错误的。为此,借助于积分中值定理,定义了连续模糊隶属函数的均值以及方差和协方差,继而定义了连续模糊隶属函数的相关系数,从而彻底解决了Murthy等~([1])定义的第一个相关系数计算公式存在的问题。该相关系数与Chiang~([2])提出的离散隶属函数的相关系数一起,构成了完整的模糊集相关性理论。数值例子说明了,与Murthy~([1])第二个公式,Yu~([4])和Chaudhuri~([5])等提出的相关系数相比,我们提出的相关系数更合理有效。然后,将连续模糊隶属函数的相关系数概念推广到连续直觉模糊集,通过计算连续隶属函数以及连续非隶属函数的相关系数的平均值,定义了连续直觉模糊集的相关系数,该定义与Hung~([23])定义的离散直觉模糊集相关系数一起,构成了完整的直觉模糊集相关系数理论。最后,通过两个数值例子说明了连续直觉模糊集相关系数有效可行。     

相关系数概念剖析

从两个角度——内积空间以及线性回归角度深入剖析了相关系数这一重要概念,将其与R~2空间中向量之间的夹角联系起来,并且给出了一种迅速判断随机变量之间相关性强弱的方法,并通过随机模拟进行了直观展示.     

切比雪夫多项式序列的分布

切比雪夫多项式在各个领域都有广泛的研究,如:群论,密码学和偏微分方程等.主要利用指数和上界证明一类由切比雪夫多项式所生成序列的低差异性,从而说明其均匀分布性质.     

不同分布NA序列的对数律

通过适当的改变矩条件，把同分布NA随机变量序列部分和的对数律从本质上推广到不同分布，全面改进了梁汉营和苏淳1998年的结果．并在此基础上得到不同分布NA序列随机足标和的对数律．     

多维平稳序列最大值的渐近分布

设α=(a~(1),…,a~(m)),b=(b~(1),…,b~(m))是 m 维实向量,定义它们之间的四则运算:α±b=(a~(1)±b~(1)).…,a~(m)±b~(m)),ab=(a~(1)b~(1),…,a~(m)b~(m)),a/b=(a~(1)/b~(1),…,a~(m)/b~(m)).α≤b(a相似文献   

某些一致分布的点集序列

本文借助于“倒根函数”和矩阵构造定义了［０,１）Ｓ（Ｓ≥１）中的一些有限点集,给出了它们的偏差的上界估计,从而证明了由它们组成的点集序列是一致分布的．     

非同分布NA序列的完全收敛性

讨论了非同分布NA序列部分和与随机足标部分和的完全收敛性，推广了于浩在1989年得到的关于独立随机变量序列的一些结果。