关于极限定理(Ⅱ)

建立相互独立随机变量和局部极限定理的困难点在于估计每一加项特征函数在无穷远点的无穷小特征。本文引伸了作者在[1],[13]中所用的方法给出一族随机变量组序列服从局部中心极限律的定理和它的证明。所得结果推广了[13]中的结果而且也包含了同分布加项情形相应的结果。引用同样的方法,作者给出了一个相互独立随机变量组序列和的大偏差局部极限定理。组序列情形下的大偏差极限定理(据作者所知)还是第一次提出来的。大偏差积分极限定理的问题允许作同样的处理(参考[9])。运用以上方法可处理格子点分布情形的局部极限定理的问题,及向非正态收敛情形下类似的问题(参阅[17]、[15]和[14])。     

有限Hausdorff拓扑半群上概率测度卷积序列的弱收敛性

在非同分布场合下,拓扑群(半群)上随机变量卷积序列极限存在的充要条件是一个至今尚未得到解决的问题,但是在有限群时[1]得到一些重要结果,本文的主要目的是将[1]中的定理1,定理2推广到一类有限半群上。     

正态分布理论在体育实践中的应用

1 正态分布正态分布是连续型随机变量的一种概率分布模型.它用于计算服从正态分布的随机变量 x 取某段区间值[x_1,x_2]的概率,其计算公式是:     

一类随机变量序列关于Γ-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Γ分布的独立随机变量序列的偏差的一种度量,并通过限制似然比给出了样本空间的一个子集,在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理,将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间.作为推论得到了任意非负连续型随机变量序列关于指数分布,厄兰分布以及x2-分布的强偏差定理以及服从Γ-分布的独立随机变量序列的一族强大数定律.     

关于随机变量r-位数的一个定理

邓远能、杨宏志在文[1]中给出了如下的定理“任一随机变量的中位数或者唯一,或者充满某一有界闭区间”。该定理的结论是正确的,但是定理的证明是有错误的,定理的推论也是有错误的。应该指出文[1]中的关于位数的定理还可以进一步推广。本文给出比文[1]更一般的一个定理,从本文定理的证明中不难看出[1]中定理的     

一类随机变量序列关于Г-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Г分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理，将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间．作为推论得到了任意非负连续型随机变量序列关于指数分布，厄兰分布以及X^2分布的强偏差定理以及服从Г-分布的独立随机变量序列的一族强大数定律．     

关于信息度量算法的进一步研究

Shannon熵在信息论的发展和应用中起着关键的作用,但是Shannon熵还存在许多局限性。为了更好地克服Shannon熵的局限性,在前人的基础上修改了Shannon熵的公理。用公理化的方法,推导出了有限分布列的离散型随机变量的信息量系,不仅将它推广到连续型随机变量,而且将信息量系的最大信息量定理推广到连续型随机变量,统一了离散型和连续型随机变量的信息度量算法。最后利用得出的结论对连续型随机变量信息熵给出两个验证性算例。     

二维连续型随机变量独立性的判定

给出了二维连续型随机变量独立性的一个判定定理、两个推论,并举例说明用此结论判断二维连续型随机变量的独立性时,不需要计算边缘密度函数,只从联合概率密度的形式上就能判断出X与Y的独立性。     

Fuzzy映象的不动度

最近,张石生在文献[1]、[2]中给出了关于Fuzzy映象不动点的几个定理,这些工作改进并推广了Heilpern[3]的结果。但[1]、[2]中主要定理的证明较为繁锁,可以简化。本文利用所引进的Fuzzy映象的不动度的概念,将[1]、[2]中给出的几个不动点定理推广为更一般的形式,并给出简洁的证明。     

关于随机变量函数分布定理的两个附注

关于连续型随机变量函数的分布有一个重要定理.本文是对定理的条件减弱后作进一步的研究和讨论.     

不动点定理

文[1]中平均拟扩张映射的几个不动点定理,推广了文[3]和文[4]中的若干不动点定理。本文继续这方面的工作。本文的定理四,用弱于文[1]中扩张型映射不动点定理的条件,概括、推广了文[1]中的定理1—4及系1和文[2]中的定理一及其推论1和2。     

Philipp-Stout定理的补证

在文献[1]中W.Philipp和W.Stout得到了用正则布朗运动来逼近高氏序列的很好的结果(见[1]中定理5.1)。在该定理的证明中用到了重要引理5.3.1。可是此引理的叙述和证明都是错误的。本文给出此引理的正确叙述及其证明,从而完成了[1]中定理5.1的证明。 [1]中引理5.3.1的叙述和证明中均未提及随机变量序列{X_n}_(n=1)~∞是高氏序列。今举     

离散型随机变量的连续化方法

讨论了如何把离散型随机变量转化为连续型随机变量.首先给出了连续型随机变量与通过对其取整得到的离散型随机变量应该满足的两个充分必要条件,然后从不限定和限定连续型随机变量的分布这两个方面,给出了离散型随机变量连续化的几种方法,并且用这些方法分别解决了几何分布和离散韦布尔分布分别向指数分布和韦布尔分布的转化.     

随机变量和的数字特征

随机变量和的数字特征是概率论和数理统计的重要概念,具有广泛应用.随机变量和指的是n个随机变量相加即∑Xi,这里xi可以是离散型随机变量,也可以是连续型随机变量.运用随机变量和的卷积公式及其推广,利用和式分解求解了随机变量和的数字特征,并对连续型随机变量和的上下界进行了改进.     

二维系统=P(y),=Q(x,y)极限环的存在性

本文将文[3]所采用的方法应用到形式更一般的方程类型(1),得到关于极限环存在性的几个结果。定理1、2推广了文[3]的相应结论,定理3把文[2]的条件减弱了.     

关于微分方程组的解对部分变元的稳定性

本文对微分方程组的零解关于部分变元的稳定性和渐近稳定性建立了几个定理,所得结果推广了文[2]若干定理。考虑扰动运动微分方程组     

可交换随机变量序列的随机极限定理的一个推广

讨论了可交换随机变量序列{Xn:n≥1}的极限定理,得到了可交换随机变量序列的随机强大数定律成立的充要条件,并在一定的条件下,推广了文[1]中的结果.     

离散型随机变量连续化处理的方法

线性潜在结构方程式模型还仅限于研究连续型随机变量,对于各领域大量出现的离散型随机变量,还没有适用的线性结构方程式模型。因此,离散型随机变量连续化的研究具有重要的意义。对已知的离散型随机变量的分布律,通过分段线性插值,构造出相应的连续型随机变量的概率密度函数,使连续型与离散型随机变量有相同的数字期望和方差,并检验了两个随机变量分布函数的近似程度。     

—类模自同态环的同构定理

文献[1]、[2]分别给出了主理想整环上两个有限生成模同构的由不变因子理想刻画的条件和两个体上有限维向量空间的线性变换环同构的条件。本文对基础环不同的情形考虑了前者,并且得到了以其为特款的定理1。关于后者,本文仅就类同构环上的正则模(见定义1、3)进行了讨论,结果由定理2,也就是本文题目所说的同构定理所述。设R是一个环,M是R上的一个左模。于是,对于任意固定的reR,左乘变换γ_L:χ     

带时滞微分方程解的有界性与渐近性质

本文中提出引理1,建立了定理1,从而推广了文[4]的定理8,再借助于引理1的推论,建立了定理2,在某种意义下推广了文[2]的定理5.1,还应用引理2,建立了定理3,推广了文[1]第六章的定理5,及文[4]定理6的推论的结果.