不分明随机向量

本文是在〔1—2〕讨论了不分明事件及其不分明概率与不分明随机变量的基础上,继续讨论不分明随机向量。§1 不分明随机向量及其不分明分布。定义1.1 如果ξ(ω_λ)(?)(ξ_1(ω_λ),ξ_2(ω_λ),…,ξ_n(ω_λ))是从F 概率空间(Ω,(?)~0,P~0;(?),P)到n 维BorelF 可测空间(R_((n)),(?)~(0(n)),(?)~((n)))上的F 随机变量,则称ξ(ω_λ)为n 维(实) F 随机向量(或称n 元F 随机变量).     

不分明拓扑群(1)

§1 予备定义1.1 设J为非空集X的一族不分明集若满足 (1) φ_0X∈J;(2) 若A_i∈J(i∈I),则A_iJ;(3) 若A_k∈J(k=1,2,…,n),则A_k∈J;(4) 若有λ_0∈(0,1),A∈J,x∈X使得μA(x)=λ_0,则对一切λ∈(0,1)均有λ~*∈J,其中;λ~*是由μ_λ·(x)≡λ所确定的不分明集。则称J为X的不分明拓扑,(X,J)称为不分明拓扑空间。简记为fts(X,J),J中元素称为J—开集,简称开集,开集的余集称为闭集。     

随机关系数据库的证据生成与合成

本文提炼出随机关系数据库,并给出了随机关系数据库的生成与合成方法. 设Ω={ω}为基本事件集,|P为Ω上的概率分布.X为Ω上的随机变量,且取值全体为称为外延空间.不妨设p_x(x_i)=P{ω;X(ω)=x_i}0(i≤N)。设θ_j(j≤M)为Ω上一组随机变量,记为属性集,称为内涵空间.用W_i表示θ_i(i≤M)的所有可能取值集合,W=(?)W_i为W_i(i≤M)的笛卡尔乘积空间.映射I:W_x→W称为X×(?)上的关系,(X×(?),I,W)称为随机关系数据库.例如,W_i={0,1}(i≤M),I(x)表示一个M维向量,且每个分量仅取0和1.用I_j(x)表示第j个分量取值,则     

一类可赋准范空间的随机共轭空间

1 随机赋范空间上的随机线性泛函记D~+={F:R~1→[0,1]|F非降左连续且F(0)=0,supF(x)=1};K表示数域R~1或C~1;(Ω,σ,μ)表示概率空间;L(Ω,K)表定义在Ω上α.s有限的K-值随机变量全体;L~+(Ω)表Ω上α.s有限的非负实值随机变量全体.关于概率赋范空间,随机赋范空间的定义及拓扑等述语均与文[2,3]中约定同.     

不分明事件与不分明概率

1968年L.A.Zadeh在[1]中首次提出了不分明事件及其概率的概念。我们欲在此基础上,以[2]与[3]为工具,建立不分明概率论的一些基本概念。本文着重讨论不分明事件、不分明概率空间、不分明条件概率以及不分明事件的独立性。     

不分明测度论(Ⅱ)、不分明可测集合与不分明测度

本文是[1]的继续,着重讨论不分明可测集合,不分明测度以及不分明可测集合序列的几种收敛性。§1.不分明可测集合系定义1、1、设(X,(?)0)是任意的可测空间,如果F集A作为从X到[0,1]的函数关于     

不分明仿紧空间

本文引入不分明仿紧空间的定义,得到不分明正则仿紧性的另两种刻划和与分离性相关的几条性质.定义1.称X是一个不分明集(?)存在一个通常的集E使得X是E到实数单位闭区间I≡[0,1]内的一个函数.     

不分明Tychonoff空间

设I=[0,1],它在数直线中的相对拓扑记为,我们称乘积诱导不分明拓扑空间(I,F_(θ×θ_I)为乘积诱导不分明单位区间,记为ω[0,1]。定义1 不分明拓扑空间(X,F)叫做不分明完全正则的,当且仅当对任一不分明开集A∈F和任一点P_(x_0)~α∈A,都有一个不分明连续映像T:(X,F)→ω[0,1],使得T(x_0)=0,T[X～～υ_α(A)]={1}。这里υ_α(A)=U{U:P_(x_0)~α∈N_U~βA},N_U~β是点P_(x_0)~α的邻域胚。不难看出,当α<1时,对任何A∈F都有υ_α(A)=σ_α(A),即A的强α—截割。定理1 若不分明拓扑空间(X,F)是不分明完全正则的,则它一定是拓扑生成的,也就     

条件独立随机变量序列与重随机布阿松序列

§1 引言与摘要设(Ω,F,P)是给定的概率空间,ξ_1,…,ξ_n为定义在(Ω,F,P)上的随机变量,记σ(ξ_1,…,ξ_n)为使(ξ_1…ξ_n)可测的最小σ代数。设F_0是F的子σ代数,假定对任意A_1∈σ(ξ_1)…,A_n∈σ(ξ_n),a,e成立:     

不分明条件数学期望与不明分条件概率(Ⅰ)

本文是在(1-2) 工作的基础上,引入不分明条件数学期望与不分明条件概率的概念。它们既是概率论中条件数学期望与条件概率的推广,也是对(1) 中不分明条件概率与(2)中 F 随机变量展布在 F 集上的数学期望的更一般的概括。     

可以定义任何类型随机变量的概率空间

本文研究能定义任何类型随机变量的概率空间,得到了下面的结果:如果在概率空间(Ω,■,P)上存在一个分布函数连续的随机变量,那未在这个概率空间上可以定义任何类型的随机变量。     

函数空间L〔0,∞)中的概率测度序列的紧性

在(1)中,P.Billingsley给出了C〔0,1〕和D〔0,1〕中的概率测度序列的紧性准则。W.Whitt(2)将C〔0,1〕的某些结果推广到了C〔0,∞),得到了相应结论。这里考虑L〔0,∞)中的概率测度序列的紧性条件,以及子空间M〔0,∞)中概率测度的弱收敛。     

一类不分明拓扑空间(Ⅱ)

在中我们引入了一类特殊的不分明拓扑空间——乘积诱导不分明拓扑空间(X,■×θ),并得到了一些直接的结果。在那里我们沿用了Wong在中给出的不以分明点为特例的不分明点及其邻域的定义。但我们指出了分明点具有特殊地位。在本文中我们将引入邻域胚的概念,并利用它定义分明点的邻域及不分明集的S-复盖,从而引入S-不分明紧性。并证明了关于这种不分明紧性的Tychonoff定理。最后初步地考虑了不分明拓扑定间的分离性,为进一步的讨论作了必要的准备。     

关于Banach空间基底的注记

§1引言 先给线性空间两种基底的定义. 定义1 设X为一线性空间,具有非零元素,一子集HCX,满足 (i)H是X的线性独立集; (ii)由H张成的线性子空间即是X本身,称H为X的Hamel基. 定义2 设X是Banach空间,若X含有一序列{e_n}(n=1,2,…)使得对任一x∈X存在唯一的标量序列{a_n}(n=1,2,…),使得     

不同类型随机变量之间的条件分布及其应用

本文从概率空间及事件域意义下解释条件概率和条件分布定义,主要讨论了不同类型随机变量之间的条件分布,并举例说明其在金融决策问题中的应用。     

H-空间上随机变量序列的按模收敛

研究H-空间(Hilbert空间)上相互独立同分布随机变量序列的按模收敛性。在H-空间上定义向量的内积,定义向量的度量性质,定义向量的按模收敛,讨论独立同分布随机变量序列部分和的按模收敛及条件,给出相互独立同分布随机变量序列的按模收敛的条件。指出相互独立同分布随机变量序列和的标准化按模收敛于N(0,1)分布。     

不同类型随机变量之间的条件分布及其应用

本文从概率空间及事件域意义下解释条件概率和条件分布定义,主要讨论了不同类型随机变量之间的条件分布,并举例说明其在金融决策问题中的应用。     

关于二维流形上自同胚嵌入连续流的问题

设f:X×(-∞,∞)→X是定义在拓扑空间X上的连续流,于是f(,1)就是X上的一个同胚;反过来,若在X上定义了一个同胚φ,要问在什么条件下,存在X上的连续流f:X×(-∞,∞)→X,使得f(,1)=φ,这就是X上的同胚嵌入连续流的问题。M.K.Fort.Jr、S.Sternberg,Ping-Fun Lam,N.Kopell,张筑生研究了一维流形(直线或圆周)上自同胚嵌入连续流的问题。张景中、杨路研究了一类函数方程与嵌入问题的联系。麦吉华研究了平面及球面上自同胚可嵌入连续流的条件。J.Palis研究了紧流形M上一类特殊微分同胚的嵌入问题,他指出M上能够嵌入Lipschitz连续流的微分同胚是很少(即它是Diff′(M)中Baire第一纲集)。     

不分明拓扑学中的一个嵌入定理

在本文中我们给出了不分明拓扑空间(X,F)是乘积诱导不分明拓扑空间(X F_(Jxθ_1)的一个充分条件,这里(X,F_(Jxθ_1))就是所谓拓扑生成的不分明拓扑空间(X,ω(J))或下半连续不分明拓扑空间,并且进一步指出,就在同一条件下,不分明拓扑空间(X,F)将同胚于一个特殊的乘积诱导不分明拓扑空间——不分明     

Banach空间随机变量部分和序列的子序列的叠对数律

设(B,‖·‖)为可分Banach空间,X为定义在概率空间(Ω,(?),P)上,取值于B的随机变量,其分布为F(X)。用X∈WM_0~2表示对任意f∈B~*,有Ef(X)=0,E[f(X)]~2<∞。根据[5]引理2.1,当X∈WM_0~2时,可用xf(x)在(B,F(X))上的Pettis积分