次线性期望空间下END列Jamison型加权和的几乎处处收敛性

利用截尾的方法,考虑次线性期望空间下广义负相依(END)随机变量序列Jamison型加权和的几乎处处收敛问题,得到了次线性期望空间下END随机变量序列Jamison型加权和的几乎处处收敛性.将概率空间下END随机变量序列Jamison型加权和的几乎处处收敛拓展到了次线性期望空间下,推广了Jamison定理.     

次线性期望下m-END序列加权和的几乎处处收敛性

利用Rosenthal不等式,讨论条件为■,■的次线性期望下m-END(m-extended negatively dependent)随机变量序列加权和的几乎处处收敛性.将经典概率空间中END序列加权和的几乎处处收敛性推广到次线性期望下m-END随机变量序列加权和的几乎处处收敛性.     

次线性期望空间下END列加权和的几乎处处收敛性

利用与概率空间不同的研究方法, 在Choquet积分存在的条件下, 研究次线性期望空间中广义负相依（END）随机变量序列加权和的几乎处处收敛性, 得到了几乎处处收敛性定理, 从而把该定理从传统概率空间扩展到次线性期望空间.     

次线性期望空间下END序列加权和的完全收敛性

以次线性期望空间下的指数不等式为研究工具,在1/α+1/β=1/p, C_(-overV)(|X|^rp)<∞的条件下,根据此指数不等式,将传统概率空间中随机变量序列加权和的完全收敛性,推至次线性期望空间。     

次线性期望空间下广义ND列加权和的完全收敛性

研究次线性期望空间下广义ND列加权和的完全收敛性,在随机变量的p阶上积分存在条件下,将概率空间中广义ND列加权和的完全收敛性推广到了次线性期望空间.     

强平稳α—混合误差情形之下线性模型参数随机加权M—估计

在随机误差为强平稳α－混合情形，用随机加权的方法，得到线性模型参数Ｍ－的估计的弱表示和渐近分布，还讨论了线性假设Ｈ０：Ｈβ－γ的检验问题。     

强平稳α－混合误差情形之下线性模型参数随机加权M－估计

在随机误差为强平稳α－混合情形，用随机加权的方法，得到线性模型参数Ｍ－估计的弱表示和渐近分布，还讨论了线性假设Ｈ０：Ｈ′β＝γ的检验问题     

END随机变量序列加权和的完全收敛性（英文）

主要研究了END随机变量序列加权和的完全收敛性.在适当的权系数条件下以及适当的矩条件下,建立了END随机变量序列加权和的完全收敛性结果.所得结果推广了独立序列和负相依序列的相应结果.     

α-Bloch型空间上MФCφD算子的有界性及紧性

在文献[1]中,Kumari R和Sharma A讨论了α≥1,β〉0时函数空间Bα到Bβ上的线性算子CφD的有解性及紧性.在此基础上,本文讨论了α〉0,β〉0,函数空间Bα到Bβ上的加权复合微分前置算子MФCφD.并给出了使得MФCφD是有界算子或紧算子的充要条件,推广了Kumari R和Sharma A的结果,旨在更好地了解α-Bloch型函数空间的性质.     

次线性期望空间下广义ND序列的重对数律

运用Markov不等式和Kolmogorov指数不等式,在一般矩条件下,得到了次线性期望空间下同分布广义ND序列的重对数律,从而推广了次线性期望空间下的重对数律.     

END序列下半参数回归模型估计的相合性

研究误差为END序列的半参数回归模型y_i=x_iβ+g(t_i)+σ_iε_i(i=1,2,…,n).应用加权估计与最小二乘估计方法,建立未知参数β和未知函数g的最小二乘估计与加权最小二乘估计的估计量.利用END序列的Rosenthal不等式以及截尾的方法证明p(p1)阶矩的相合性.     

En中p维与q维线性子流形之间的距离

设n维欧氏空间E^2中p维与q维线性子流形分别为：σp:α1∧α2∧…∧αk∧(x-x0)=0,σp:β1∧β2∧…∧βq∧(y-y0)=0，向量组{α1，…，αp,β1,…,βq}的一个极大线性无关组为{γ1，γ2，…,γk}，证明了σp与σq间的距离平方为α^2(σp,σq)=|δ0|^2-(γ1δ0,…，γkδ0）A^-1(γ1δ0,…,γkδ0)^T，其中δ0=x0-y0,A=(γiγj)^ki.j=1。     

(α,β)混合序列加权和的强收敛性

(α,β)混合序列是一类极其广泛的随机变量序列.利用(α,β)混合序列的矩不等式研究(α,β)混合序列加权和的Rosenthal型不等式.在此基础上重点讨论(α,β)混合序列加权和的强大数定律,进一步研究广义Jamison型加权和的强收敛性.     

半序线性空间的分子结构

给出数域F上线性空间的一类更一般的统一框架，即广义线性空间的概念：设T是论域，F是数域，V(T)=|ρ|ρ：T→F|，任意ρ，σ∈V(T)，任意α∈F，规定(ρ+σ)(x)=ρ(x)+σ(x)，(αρ)(x)=α(ρ(x)，则V(T)为F上的广义线性空间．在该框架下引入半序关系，构造一类半序线性空间(V，≤)：任意α，β，γ∈V，任意α∈F，α≤β，则1)α+γ≤β+γ且γ+α≤γ+β；2)当α≥0时，αα≤αβ，当α&lt;0时，αβ≤αα．同时构造了分子概念：格L中的元素α称为并既约元，若任意x，y∈L，α=x∨y，则α=x或α=y，L中非最小元的并既约元称为L中的分子．并讨论其分子结构，从而为进一步探讨线性空间上的代数结构、序结构及拓扑结构的复合结构奠定理论基础．     

END随机变量加权和的最大值序列的完全收敛性

众所周知,END随机变量是一类包含独立变量、NA变量以及NOD变量在内的非常广泛的相依变量.在适当的权系数和矩条件下,我们研究了END随机变量加权和的最大值序列的完全收敛性.作为应用,得到END随机变量加权和的强大数定律.所得结果推广NA变量和NOD变量的相应结果.     

关于p-Cesàro序列空间X_p(0

王晶昕 《辽宁师范大学学报(自然科学版)》1993,(2)

次线性期望空间下广义负相依序列加权和的完全收敛性

研究了次线性期望空间下随机变量序列的完全收敛性,利用广义负相依序列的性质,在随机变量的λ经典概率空间中独立序列的结果.     

(α,β)混合序列加权和的完全收敛性

借助(α,β)混合序列加权和的极大值矩不等式,采用截尾的方法讨论(α,β)混合序列加权和的完全收敛性,并获得(α,β)混合序列加权和的Marcinkiewicz-Zygmund型强大数定律.     

B~α空间与Q_(log)~β空间之间的复合算子

主要给出Bα空间与Qlogβ空间之间的复合算子的有界和紧的充分必要条件,其中α>0,β>0.另外也给出了BMOA空间与Blog空间之间的加权复合算子有界的充分必要条件.     

Bα空间与Qβlog空间之间的复合算子

主要给出Bα空间与Qβlog 空间之间的复合算子的有界和紧的充分必要条件,其中α＞0,β＞0.另外也给出了BMOA空间与Blog空间之间的加权复合算子有界的充分必要条件.