有关有界线性泛函存在性与唯一性的两个定理

本文主要讨论两个问题:(i)在线性赋范空间 E 中任意给定 n 个点 x_1,…,x_n 以及 n 个复数ξ_1,…,ξ_n,问是否存在 E 上的线性有界泛函 f,使得 f(x)=ξ_(i=1,2,…,n)(ii)在线性赋范空间 E 中任意给定可列个点 x_1,…,x_n,……以及可列个复数ξ_1,ξ_2,…,ξ_n,…,问是否存在 E 上的线性有界泛函 f 使得 f(x_1)=ξ(i=1,2,…)     

关于相互独立或然变量和的密度的局部极限定理

§1.引言.设ξ_1,ξ_2,…,ξ_n,…是相互独立的或然变量,ξ_n=(ξ_1+ξ_2+…+ξ_n)/B_n-A_n.本文考虑对于适当选择的A_n,B_n>0,n的概率密度于(-∞,∞)一致地趋于正态分布的概率密度的问题. 当ξ_1,ξ_2,…,ξ_n,…具有相同的分布函数F(x)时,已于1954年得到n的概率密度一致地趋于正态分布概率密度的充分而且必要的条件,这个条件是:F(x)属于的吸引场,而且有自然数n_0存在使得(n0)的分     

一类指数族的线性容许估计的充分条件

本文采用Bayes法.讨论一类各分量是相互独立的参数的指数族分布,在平方损失下,对参数g（θ）=（g_1（θ_1）,g_2（θ_2）,…,g（θ））＇得到了一个容许线性估计的充分条件。     

相互独立随機变量之和的局部极限定理的一类擴张

引言:设ξ_1,ξ_2,…,ξ_n,…为相互独立,具有相同格子点分布的随机变量,关于和S_n=ξ_1+ξ_2+…+ξ_n(其中n为正整数)的局部极限定理已由B.B.格湼坚克所得到衷谖颐抢磾     

独立随机变量第k个最大值的密度函数的局部一致收敛

ξ_1,ξ_2,…,ξ_n是独立同分布随机变量,公共分布函数F(x)绝对连续,g_n.k(x)为ξ_1,…,ξ_n的第k个规范化最大值的分布密度函数.本文讨论了g_n,k(x)的局部一致收敛性以及在L_p(O相似文献   

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:     

次序统计量分布的一种严格证法

为了便于表述,在下面的讨论中,(ξ_1,…,ξ_n)总表示具有分布函数F(x)和分布密度P(x)的一个简单子样,而(ξ_(1),…,ξ_(n))总表示(ξ_1,…ξ_n )的次序统计量.     

离散指标下的最近邻判别分析

设(θ,X),(θ_1,X,),…,(θ_n,X_n)是独立同分布的随机向量,θ∈{0,1},X∈x{0,1,2,…相似文献   

随机个数独立随机变量之和的中心极限定理及其在马尔可夫链上的应用

本文共分两节。第一节将討論随机个数相互独立的随机变量之和的中心极限定理。設ξ_1(ω),ξ_2(ω),…,ξ_n(ω),…为一列相互独立具有相同分布的随机变量。令:η_n(ω)=((ξ_1(ω)+ξ_2(ω)+…+ξ_n(ω))/B_n)-A_n这里B_n>0及A_n为适当选择的常数。古典的中心极限定理是考虑当n取遍所有自然数n→∞时,和数η_n(ω)的极限分布問題。現在我們考虑下面一个新問題:和数η_n(ω)的下标     

最近邻预测问题中条件风险估计量的完全收敛性

设(X,θ)是随机向量,X∈R~d、θ∈R~1;(X_i,θ_i)是(X,θ)的i.i.d.随机样本,i=1,…,(?)bjL_n是平方损失下最近邻(NN)预测的条件风险.设是L_n的估计量,其中θ_(nj),是按训练样本(X_1,θ_1),…,(X_(j-1),θ_(j-1)),(X_(j+1),θ_(j+1)),…(X_n,θ_n)与观察到的X_j对θ_j所作的NN预测。众所周知,在一定的条件下,L_n→2R~*,α,s.,其中R~*是Bayes风险。本文得到了L_n的完全收敛速度,即在E|θ|~(2+δ)<∞(δ>0)及其它条件下证明了     

n维超平行体

设V是n维欧氏空间,α_1,α_2,…,α_n是V中n个线性无关的向量,则称集合为由向量α_1,α_2,…,α_n张成的一个n维超平行体。如果α_1,α_2,…,α_n两两正交,则称K为n维超长方体。每个χ_j都取0或1的点ξ叫做超平行体K的顶点。决定K的两个顶点的n元数组(X_1′,X_2′,…,X_n′),(χ_1′,χ_2′,…,χ_n″),如果只有一个对应分量不同,则连接点ξ′和ξ″的线段叫做超平行体K的一条棱。     

随机个数独立随机变量之和的分布向稳定律收敛的极限定理

设在概率场(Ω,F,P)上随机变量序列ξ_1(ω),ξ_2(ω),…,ξ_n(ω),…相互独立,具有相同分布。作正则化和数ζ_n(ω)如下:     

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。     

Villat公式的两个简单证明及其在n连通圆界区域内的推广

本文利用Schwarz积分和Poisson积分的性质及核函数的下列表示式: K_1(z,ξ_1)=(ξ_1 z)/(ξ_1-z) sum from k=1 to ∞ ((ξ_1 q~(2k)z)/(ξ_1-q~(2k)z) (ξ_1 q(-2k)z/(ξ_1-q~(-2k)z)),ξ_1=e~(iθ) K_2(z,ξ_2)=(ξ_2 z)/(ξ_2-z)-sum from k=1 to ∞ ((ξ_2 q~(2k)z)/(ξ_2-q~(2k)z) (ξ_2 q(-2k)z/(ξ_2-q~(-2k)z)),ξ_2=qe~(iθ) 给出圆环内解析函数的Villat公式的两个十分简单的证明。并进而把它推广到任意有限连通的圆界区域中去。后一结果此“美国数学评论”34卷＃6047(1967)介绍的Dunducenko的结果要早,我们的工作完成于1964年。     

多个区间上平稳序列的最大值及最小值

在条件D(υ_n,u_n),D′ (υ_n,u_n)下,本文将平稳序列的最大值与最小值的渐近独立性推广到有限个不相交区间上,得到定理 {ξ_n}为平稳序列,满足D(υ_n,u_n),D′(υ_n,u_n),u_n=x/a_x+b_x,υ_n=-y/c_n+d_n,a_n>0,c_n>0,J=(α_in,β_in,),i=1,2,…,s,0≤α_1<β_1≤α_2<β_2≤…≤α_n<β_n<∞.如果P(α_n(M_n-b_n)≤x,c_n(M_n-d_n)>-y)→G(x,y)     

变敍的项的联合极限分布

设ξ_1,…,ξ_n是来自总体F(x)的一组简单随机样本,ξ_1~(n)≤…≤._n~(n)是这组样本的变叙,._k~(n)(k=1…,n)称为变叙的项,k/n称为项ξ_k~(n)的秩。变叙的项的序列ξ_(kn)~(n)如满足则称为中间项序列,如满足则称为有极限秩λ的中间项序列。满足或的序列称为边项序列,如     

最小估计区间

设θ是总体X的分布的未知参数。所谓θ的区间估计,就是在给定的置信水平1—α下,寻求两个统计量(?)_1(x_1,x_2,….x_n)与(?)_2(x_1,x_2,…xn)使得参数θ落在随机区间((?)_1,(?)_2)的概率这里x_1,x_2,…,xn是总体X的样本。满足这一条件的随机区间很多,通常的做法是选择这样的(?)_1,(?)_2,使得作为θ的估计区间,当然其长度越小越好,但用上述方法得到的估计区间的长度不一定是     

关于随机个数独立随机变量之和的中心极限定理

设ξ_1,ξ_2,…,ξ_n,…是一列互相独立、具有相同分布的随机变量,v_1,v_2,…,v_n,…是一列取正整数值的随机变量,它们也不一定与诸ξ_i独立。Anscombe证明了在ξ_i的方差存在的情形下(设方差是1,数学期望是0),若依概率成立v_n/n→C(n→∞),这里C>0为一常数,那么     

二阶微分方程组多点边值问题解的存在性

利用双锥上的不动点定理并赋予,和g-定的增长条件,证明了二阶微分方程组多点边值问题{u^n＋f（t,u,kv）=0,v^n＋g（t,u,v）=0,u（0）=0,u（1）=m-2∑i=1 aiu（ξi）,v（0）=o,v（1）=m-2∑i=1 biv（ηi）两组正解的存在性．其中0=ξ0＜ξ1＜…＜ξm-1=0,0=η0＜η1＜…ηm-2＜ηm-1=1,ai≥0,t∈（0,1）,且f,g：[0,1]×R^＋×R^＋→R是连续的．     

标准柯西分布的一类组合分布

<正> 具有密度函数f(x)=1/π·λ/(λ~2(x-μ)~2)的连续型随机变量称为服从柯西分布的随和变量,尽管这种随和变量的各阶矩都不存在,也不服从中心极限定理,然而它却有着许多良好的性质。众所周知,若ξ_1、ξ_2、……ξ_n 为任意n 个相互独立的柯西型随机变量,则它们的线性组合η=α_1ξ_1+α_2ξ_2+……+α_nξ_n 仍然服从柯西分布,即具有再生性。本文要指出,利用柯西分布与均匀分布的密切联系,可推得柯西分布的另一种复杂得多的组合分布仍然服从柯西分布。定义称μ=0,λ=1时的柯西分布为标准柯西分布。定理若随机变量ξ服从标准柯西分布,则随机变量