次序统计量分布的参数识别

设x_1,x_2,…,x_n是n个相互独立的随机变量,第k个(1≤k≤n)次序统计量x(k)的分布是否能唯一决定每个随机变量x_i(i=1,2,…,n)的分布,当k=n时,Anderson TW等对一定类型的随机变量作出了肯定的回答。本文将对一定类型的相互独立同分布(i.i.d.)的随机变量,研究k为任意正整数(1≤k≤n)时上述提出的问题。     

关于整函数的幅角分布

本文证明了下述定理: 设f(z)为超越整函数,则必存在一条从原点出发的半直线B:arg z=θ_0(0≤θ_0<2π),具有下述性质:若n(≥3)为任一正整数,α(≠0)、b为任意二有穷复数,则对任意正数δ,有:n(r,θ_0,ε,f′-af~n=b)=∞。     

确定独立随机变量分布律的一种方法

一、前言通过独立随机变量的函数独立性,来研究该随机变量的分布律,引起许多概率统计工作者的兴趣和注意。这个问题的一般提法是,假定X_1,X_2,…,X_n是相互独立的随机变量,令 Y_i=Ψ_i(X_1,X_2,…,X_n)i=1,2,…,m,如果 Y_1,Y_2,…,Y_m相互独立,求X_i服从何种分布。当Ψ_i是线性函数时,这个问题已完满解决。这方面早期工作可见参考文献。代表性的定理为Darmois-Skitovice定理,对这个定理有各种形式的推广。     

关于不相关和不独立问题的几点注记

给定n维分布F(x_1,…,x_n)与m维分布G(y_1,…,y_m),如果存在随机向量X=(X_1,…,X_n),Y=(Y_1,…,Y_m),使得X,Y分别以F, G为分布,X_i,Y_j(i=1,…,n;j=1,…,m)不相关并且不独立,则称F,G存在强耦合,且称n+m维随机向量(X_1,…,X_n,Y_1,…,Y_m)的分布就是F与G的一个强耦合。本文给出了F,G存在强耦合的一个充分条件和一个必要条件。特别地,当n≤2,m≤2时,文中所给的充分条件和必要条件恰好相重合。     

关于不相关和不独立问题的几点注记

给定n维分布F(x_1,…,x_n)与m维分布G(y_1,…,y_m),如果存在随机向量X=(X_1,…,X_n),Y=(Y_1,…,Y_m),使得X,Y分别以F,G为分布,X_i,Y_j(i=1,…,n;j=1,…,m)不相关并且不独立,则称F,G存在强耦合,且称n+m维随机向量(X_1,…,X_n,Y_1,…,Y_m)的分布就是F与G的一个强耦合。本文给出了F,G存在强耦合的一个充分条件和一个必要条件。特别地,当n≤2,m≤2时,文中所给的充分条件和必要条件恰好相重合。     

关于整函数的幅角分布

本文证明了下述定理:设f(z)为超越整函数,则必存在一条从原点出发的半直线B:arg z=θ_0(0≤θ_0<2π),具有下述性质:若n(≥3)为任一正整数,α(≠0)、b为任意二有穷复数,则对任意正数ε,有:lim n(r,θ_0,ε,f′-af~n=b)=∞。     

关于全纯函数的正规定则

研究了涉及微分多项式与公共值的全纯函数族的正规性问题,设F为区域D内的全纯函数族,n(≥1)、m(≥1)为2个正整数,b为有限常数.如果对F中的任意2个函数f(z)和g(z)有fn(fm-1)f′与gn(gm-1)g′在D内都以b为公共值,则F在D内正规.     

也谈随机变量的独立性

设连续型随机向量(ξ_1,ξ_2,…,ξ_n)有分布密度函数,又设函数 f(x)严格单调,其反函数 f~(-1)(y)有连续的导函数.本文给出随机变量 f(ξ_1),f(ξ_2),…,f(ξ)任意部分独立但不相互独立的一个充要条件。     

关于多元Poisson变量的一个基本特征

本文目的是讨论多元独立的非负整值随机变量X_1,X_2,…,X_n的每一个服从Poisson分布的充分必要条件。     

简单线性秩统计量的大偏差概率的一致收敛区间

设X_(1N),…,X_(NN)是相互独立的随机变量,它们的分布函数均连续,N=1,2,…。简单线性秩统计量的形状为其中C_(1N),…,C_(NN)是回归常数;a_N(1),…,a_N(N)是计分值;R_(iN)是X_(iN)在X_(1N),…,X(NN)中的秩。在一定的条件下,本文证明了S_N的大偏差概率的一致收敛区间为[0,o(N~(1/6-η))],其中η∈[0,1/6)。     

迭代级函数的辐角分布

以值分布理论为工具,研究了整函数f的辐角分布,在假设f满足条件i(f)=p(00时,证明了f必存在从原点出发的一条半直线B:argz=θ0(0≤θ0<2π),使得对任意ε>0有limr→∞log[p]{n(r,θ0,ε,f=α) n(r,θ0,ε,f(k)=β)}/logr=σ,其中α,β为任意有穷复数,且β不为零,k为任意正整数,并将结果推广到f是亚纯函数的情形.     

关于Gamma分布顺序统计量的分布性质

设{Xk,1≤k≤n}独立同分布,X(1),X(2),…,X(n)为其顺序统计量.当Xk服从参数为λ(λ0)和r(r为正整数)的Gamma分布时,得到(X(1),X(2),…,X(n))的联合概率密度函数,及X(1)和X(n)的密度函数.从而进一步得到X(1)和X(n)的数学期望与方差的表达式.证明当r≠1时,X(1),X(2)-X(1),…,X(n)-X(n-1)不独立,且不同分布.     

用均匀分布模拟同分布中心极限定理

设随机变量X_1,X_2,…,X_n,…相互独立,且都在区间(0,1)上均匀分布,即每个X_i(i=1.2,…)的分布密度都是     

分担值与亚纯函数的正规性

把亚纯函数的分担值和推广了的球面导数相结合,得到了如下结果:设F是区域D内的亚纯函数族,若F中的任意函数,(∈F)的零点重数至少是k(k是正整数),f=0当且仅当f(k)=0,且当z∈E(1,f(k))时,存在正整数M(<1),使得|f(k)(z)|/1+|f(z)|k+1≤M 则F在D内正规.     

涉及重值及导数的整函数的Borel型方向

一、引言 “对于同时涉及重值及导数的整函数的Borel型方向,是一个十分困难的工作,(见文献)杨乐教授在文献中就有限正级的整函数得到了如下定理: 设f(z)是级为λ(0<λ<∞)的整函数,则必存在从原点发出的一条半直径B:argz=θ_0 (0≤θ_0<2π),具有下述性质:若1,p为两个正整数,适合条件2/1+1/p<1,则对任意正函数ε和一切有穷复数α与有穷非零复数β有:     

一个概率不等式

概率不等式是证明大数定律和中心极限定理的重要工具,因此在概率论研究中占有重要的地位。本文推广了〔1〕中的概率不等式。引理设y_1,y_2,…,y,y_(u+1),…,y_v是独立随机变量,f_1和f_2分别是u元、v-u元Borel可测函数,则f_1(y_1,…,y_u)和f_2(y_(u+1),…y_v)相互独立。引理的证明,可参看〔2〕。定理一设y_1,y_2,…,y_v是独立随机变量,且 My_i=0,Dy_1=σ_i~2(i=1,2,…,v,)。又C_1≥C_2≥…≥C_v≥0,则对任意ε>0和任意正整数对u,v,有     

关于均匀钱币投掷过程的可达性

设样品空间Ω={0,1},{X_m,m≥1}为一列相互独立的具有相同分布的随机变量满足P(X_1=0)=P(X_1=1)=1/2.Ω_n=ΩXΩx……XΩ为Ω的n维乘积空间,Ω_n~k={(a_1,a_2,…,a_n)|(a_1,a_2…,a_n)∈Ω_1,sum from i=1 to n ai=k},k=0,1,2,…,n.对Ω_n中之每个元素A定义TA(X_1,X_2,…)=(?)易见T_A(X_1,X_2,…)就表示事件A在过程{X_m,m≥1}中首次出现的时间。设A,B为Ω_n中任意二个不相同的元素,如果P(T_A相似文献   

包含Smarandache函数的混合均值

对于任意的正整数n,函数Z(n)定义为最小的正整数m,使得n≤m(m+1)/2,即Z(n)=min{m:n≤m(m+1)/2}.利用初等及解析方法,通过分区间讨论研究了Smarandache LCM函数SL(n),Smarandache LCM函数的对偶函数SL(n)及函数Z(n)的混合均值,并给出了两个有趣的渐近公式.     

一个复合Poisson逼近定理

设{X_■■,Y_■■)}是独立的随机变量组列,使得X_■■是Bernoulli随机变量,且X_■■与Y_■■满足一定的关系(i=1,2…,n). Wang在[1]中证明了sum from i=1 to (Y_■■)的极限分布是复合Poisson分布。本文在Y_■是非负整值随机变量情形下,将文[1]的结果拓广,并证明了sum from i=1 to n(Y_■■)以很强的速度收敛到复合Poisson分布。     

广义超几何分布的极限定理

在概率论中,利用罐子模型研究极限定理已经取得了不少显著成果,例如,Holst,L.在〔1〕中研究罐子模型时指出:考虑一个罐子中含有N种不同颜色的球,每种颜色有A个球,今从罐子中随机地抽取n个球,设X_λ表示被抽取的第K种颜色球的个数(K=1,2,…,N),则当返回抽球吋,随机向量(X_1,X_2,…X_n)服从多项式分布;当不返回抽球时,(X_1,X_2,…,X_n)服从广义超几何分布;进而,若对于已知函数f(·),定义随机变量(?)(M≤N),关于Z_M的一个极限定理已用一般的方法证明了。本文的目的是,假定N种颜色球的个数不等,用A_λ(K=1,2,…,N)表示第K种颜色球的个数,则通过对随机变量X_λ的研究,可以解决下述两个问题: