AANA随机变量的完全收敛性

设X{n,n≥1}为被随机变量X随机控制的AANA(asymptotically almost negatively associated)随机变量序列,a{n,n≥1}是正常数列.在适当的矩条件下,研究了AANA随机变量加权和max1≤k≤n a-1n∑k i=1Xi的完全收敛性.作为该结果的应用,得到了一些关于AANA随机变量序列完全收敛性的新结果.     

非负AANA随机变量序列逆矩的渐近逼近

设{Zn,n≥1}是非负AANA随机变量序列,{wni,1≤i≤n,n≥1}是非负的三角常数列,并记Xn=∑ni=1wniZi.在一阶矩有限的条件下,可以获得非负AANA随机变量序列逆矩的渐近逼近,所得结论推广了已有的研究成果.     

m-相依随机变量序列的中心极限定理及逼近速度

令m-相依的随机变量{X_k,k≥1}是一同分布且平稳的序列且存在随机数列{N_n,n≥1}与序列{X_k,k≥1}独立,关于该序列的部分和为■.则在N_n的某些假设条件下可得到随机变量X_k的部分和序列{S_(N_n),n≥1}的极限分布,以及其与标准正态分布逼近速度的估计.     

由NSD序列生成线性过程的中心极限定理

考虑线性过程■,t≥1,其中{ε_j,j∈■}是均值为零且方差有限的严平稳负超可加相依(NSD)随机变量序列,{a_j,j∈■}是一实数列,且满足■,■.令■,n≥1.在适当的假设下,利用NSD序列的矩不等式及S_n的收敛性,给出由NSD序列生成线性过程的中心极限定理.     

幂赋范下偏正态分布极值的收敛速度

令{Xn,n≥1}是独立同分布随机变量序列并且每个变量均服从偏正态分布.再令Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,得到了幂赋范下最大值分布的渐近分布和赋范常数以及幂赋范下相应的逐点收敛速度.     

混合对数正态分布最大值的极限分布

设{Xn,n≥1}是独立同分布的随机变量序列,并且每个随机变量Xn服从混合对数正态分布.Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,同服从混合对数正态分布的独立随机变量最大值的极限分布以及相应的赋范常数.     

非平稳序列M(1)n和M(2)n的联合分布

{ξi,I≥1}为标准化的正态序列,rij=Cov(ξi,ξj).M(k)n是{ξi,I≥1}第k个最大值,L (k) n是其出现的位置,文章在条件:j-I→∞时rijlog(j-I)→γ∈(0,∞)下,得到了M(1)n和M(2)n的联合渐近分布.     

■混合随机变量列L_p收敛性

设{Xn;n≥1}是ρ珓混合随机变量序列,{an,k;1≤k≤n}是实数阵列,利用矩不等式和截尾方法,研究n∑k=1 an,kXk的Lp收敛性,所获的结论推广和改进了前人的相关结果.     

条件半鞅的极小值不等式

给出了F-半鞅和非负F-半鞅的极小值不等式,后者将序列{cnSn,n≥1}的极小值不等式推广为序列{cng(Sn),n≥1}的极小值不等式,这里{Sn,n≥1}是非负F-半鞅,{cn,n≥1}是不减的正F-可测随机变量序列,g是不减的凸函数.     

脉冲偏差分方程的振动性

获得脉冲偏差分方程{Am 1,n Am,n 1-Amn pmnAm-r,n-l=0,m≥m0,n≥n0-1,m≠mk,Amk 1,n Amk,n 1-Amk,n=bkAmk,n,n≥n0-1,k∈N(1),所有解振动的充分条件,其中{pmn}是一个双指标序列,对m≥m0,n≥n0-1,有pmn≥0且不恒为零,{bk}是实数序列,r,l是正整数,0≤m0≤m1<…相似文献   

k-out-of-N系统的随机比较

设 {Xn,n≥ 1}是独立非负随机变量序列 ,N是正整值的随机变量且与 {Xn,n≥ 1}独立 .考虑由寿命为X1,… ,XN 的N个部件组成的k -out -of-N系统 (系统正常当且仅当N个部件中至少k个正常 )的寿命 ,得到了两个这样的系统寿命的故障率序下的随机比较性质     

几类随机变量序列的大偏差估计

设{X_n,n≥1}是定义在概率空间(Ω,F,P)上的随机变量序列,{S_n,n≥1}是{X_n,n≥1}的部分和序列,给出了鞅差序列、φ-混合序列、p阶M-Z型随机变量序列的部分和序列以及NOD序列的部分和序列在条件■下的大偏差估计.     

ρ-混合序列Jamison型加权和的强收敛性

设{Xn,n≥1}为同分布ρ-混合序列,EX1=0,{an,n≥1}为正实数序列,An=n∑k=1 ak↑∞（n→∞）,考虑Jamison型加权和Tn=1/An∑k=1 akXk,在类似Jamison等（1965）的条件下,证明了Tn的强收敛性,即Tn→0,a.s.（n→∞）,把已有的结论推广到了ρ-混合序列的情形.     

Chebyshev加速法在斜对称化情况下迭代参数ρn的确定

在使用迭代法求解大型稀疏非奇异线性方程组时,引进由Chebyshev多项式形成的迭代向量{x(n)},对迭代过程进行加速,这是一种系统使用参数来加速的迭代法·在迭代向量序列{x(n)}形成的过程中,需要确定迭代参数序列{ρn}·对于斜对称化情况,迭代矩阵的特征值为纯虚数,且共轭成对地出现在虚轴上,而迭代参数序列{ρn}的确定恰取决于G迭代矩阵的谱半径S(G)的信息,即迭代参数序列{ρ2k}及{ρ2k+1}分别是单调增加和单调减少地收敛到同一个值,那么{ρn}必收敛且极限也是这个值,这样就可以利用极限值来选择一个最佳的迭代初值,从而使Chebyshev加速过程达到最优·     

多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(XK1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k∞=1,…,n,i=1,…,p为正实数.定义点过程:Ni(.)=∑k=1I{Xki>uki}I{kn}(.).在一定条件下,本文得到了p个分量点过程N1(.),…,Np(.)的渐近独立性.     

NA序列Chung型对数律的精确渐近性质

令{ξn,n≥1}为零均值严平稳的负相伴(NA)随机变量序列,满足Eξ12∞和0σ2=Eξ12+2∑k=2∞Eξ1ξk∞.记Sn=∑k=1n ξk,Mn=∑ k=1n|Sk|,n≥1.利用NA序列中心极限定理和概率不等式,对边界函数和拟权函数得到了Chung型对数律的精确渐近性质.     

B值随机序列的一类强极限定理

设{φn(x),n≥1}是具有φ-特征的偶函数序列,{Xn,n≥1)是B值随机变量序列,在φn(Xn)的矩条件下研究了随机序列{Xn,n≥1}所满足的强极限定理和强大数定律,使一些经典的强大数定律成为特例.     

矩条件下NA随机变量的强极限定理

令{X,Xn,n≥1}为同分布的NA随机变量序列,{an,n≥1}是一正常数序列且an/n↑.讨论了{X,Xn,n≥1}的强大数定律和完全收敛性,得到了与条件∞∑n=1P(|X|an)∞等价的结果.另外,该结果推广了关于两两独立同分布序列的相应结果.     

α-弱相依序列加权和的几乎处处中心极限定理

设{Xn,n≥1}为一零均值有界的α-弱相依序列,满足∑∞i=1θi<∞;{ani,1≤i≤n,n≥1}为一实值三角阵列;令Sn,k=∑ki=1aniXi,1≤k≤n.利用随机变量加权和的弱收敛定理与Borel-Cantelli引理,在适当的假设条件下,给出了非平稳有界的α-弱相依序列加权和Sn,n的几乎处处中心极限定...     

序列{U_n}模素数幂的同余式

设{Un}是如下定义的序列:U0=1,Un=-2[∑n/2]k=1n2kUn-2k(n≥1),这里[x]为取整函数,本文利用孙智宏建立的同余式,获得U2n(mod 35),U2n(mod 2α+16)(n≥8且2α|n)以及U32k+b-Ub(mod 256)的同余式.