平稳随机变量序列的经验过程的弱收敛性

设{ξ_π)是强平稳随机变量序列,ξ_π服从[0,1]中均匀分布,F_π(t,ω)是ξ_1(ω),…,ξ_π(∞)的经验分布,序列{ξ_π}的经验过程{y_π}由下式定义:     

一有限自动机的误差传播有界弱逆的结构

定义 设M=和M′=是两个有限自动机。任何s∈S和s′∈S′,若对任何x_0,x_1,…∈X都存在x_(_t),…,x_(-1)∈X使得λ′(s′,λ(s,x_0x_1…))=x_(-t)…x_(-1)x_0x_1…成立,且对任何l≥n≥0,任何x_0,…,x_l∈X和任何y_0~′,…,y_(n_1)~′,y_0,y_1,…,y_l∈y,都可由y_0…y_l=λ(s,x_0…x_l)推出λ′(s′,y_0 … y_l)=_(n+c)λ′(s′,y_0~′…y_(n-1)~′y_n…y_l),则称(s,s′)为延迟t步误差传播长度不大于e的匹配对,其中e是一非负整数,a_0a_1…a_l=_tb_0b_1…b_l表示a_t…a_l=b_t…b_l。对任何     

关于U-统计量理论的一些结果

设x_1,x_2,…为一串独立同分布(iid)变量,而φ(x_1,…,x_m)为x_1,…,x_m的对称函数,则U_n=(n/m)~(-1) sum from to 1≤α_1<…<α_m≤nφ(x_(α_1),…,x_(α_m),n≥m称为以φ为核的U-统计量。设对某个r≥1有E[|φ(x_1,…,x_m)|~r]<∞.(1)迄今为止,文献中对U-统计量的研究,多限于r=1和r=2的情况,最近我们研究了一般的r≥1的情况,主要结果如下:     

镶成右凸语言并、交、连结的超码与右凸语言幺半群的自由性

设X为有限字母表,X~*为X生成的自由幺半群。X~*的子集称为X上的语言,X~*的元素称为X上的字,X~*的恒等元1称为X上的空字,X~+=X~*-{1}。很多作者认为X~*上的嵌入序≤是一个十分重要的偏序: x≤y当且仅当x=x_1x_2…x_n,y=y_1x_1y_2x_2…y_nx_ny_(n+1)。围绕嵌入序定义了若干类语言:     

最小二乘估计相合性的若干结果

(?)≡(x_1,x_2,…)是已知的p维向量序列,e≡(e_1,e_2,…)是随机误差列,β≡(β_1,…,β_i)′是未知的回归系数向量.记S_n=x_1x_1~′…+x_nx_n~′.设当n≥n_0时,S_1~(-1)存在.把p×n矩阵S_n~(-1)(x_1…x_n)的(j,i)元记为u_(nji),则β的最小二乘(LS)估计为     

非负整值随机变量序列的一类强律

设{X_n,n≥1}是一列在S={0,1,2,…}中取值的随机变量,其分布为f(x_1,…,x_n)=P(X_1=x_1,…,X_n=x_n)>0,x_k∈S,1≤k≤n.(1)易知{X_n,n≥1}独立同分布的充要条件是存在S上的分布(p(0),p(1),…),P(i)>0,i∈S,(2)使得对任意正整数n有f(x_1,…,x_n)=multiply from k=1 to n p(x_k),x_k∈S,1≤k≤n.(3)为了表征{X_n,n≥1}与服从分布(3)的独立随机变量之间的差异,我们引进如下的似然比:     

可单位分解多个交换算子的摄动

设x是Banach空间,(X)是X上有界线性算子全体,a=(a_1,…,a_n)(X)为交换组,sp(a,x)记J.L.Taylor意义下的联合谱。a称为m可单位分解的(m≥2为固定自然数):若对C~n的任意m开覆盖{G_j}_(j=i)~m,存在与a可换的算子{V_j}_(j=i)~m(V_j称为a的局部投影算子)和a的不变子空间{X_j}_(j=i)~m满足:若对任意自然数m≥2,a是m可单位分解的,则a称为可单位分解的。     

关于线性模型中LS估计相合的条件

考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式:     

m值随机变量序列一类极限定理的信息条件

设{X_s,n≥1}是在S={1,2,…,m}中取值的随机变量序列,其联合分布为P(X_1=x_1,…,X_n=x_n)=p(x_1,…x_n)>0,     

φ满射环上辛群的同构

本文主要讨论φ满射环上两个辛群的同构。定理 设S_p_n(R)及S_p_n_1(R_1)为φ满射环上的辛群,其中2为R中单位,n≥4,n_1≥4。如n或n_1等于4,更进一步假设它的所有剩余域均非F_2。这时∧:S_p_n(R)→S_p_n_1(R_1)为同构必要而且只要n=n_1,     

关于线性模型中误差方差估计的Berry-Esseen界限

考虑线性回归模型Y_j=X_j~′β+e_j,j=1,2,…,n,…,(1)其中{X_j}为已知的p维向量列,β为未知回归系数向量,{e_j}为一列独立试验误差,满足条件Ee_j=0,Vare_j=σ~2,0<σ~2<∞,j=1,2,…。(2) 误差方差是一个重要的待估参量。若记     

关于大数律尾概率级数的收敛性

1986年9月,笔者赴苏联出席了一次国际会议。其间苏联学者向笔者介绍了院士最近提出的几个问题。 设{X_m}为随机变数列,S_n=sum from j=1 to n(X_j);ψ(t)和H(t)为定义于(0,+∞)的正值函数,ψ(t)单调,且存在正常数c_1,c_2使得     

一般因子问题

设α_1≤α_2≤…≤α_k(k≥2)为任意给定的正整数,d(α_1,…,α_k;n)为n分解成形如表示式n=m_1~(α_1)…m_k~(αk)的个数(m_i为正整数)。△(α_1,…,α_k;x)表示和式     

一类非自治非线性系统零解的稳定性

dx_i/dt=A_i(t)x_i,(i=1,…,r) (3)的一个线性关联。这里x_i=col(x_1~((i)),…,x_(ni)~((i)))(i=1,…,r),n_1 … n_r=n,x~T=(x_1~T,…,x_r~T),A_i(t)为n_i×n_i(i=1,…,r)阶实对称矩阵,其特征方程的根关联项A_(ij)(t)为n_i×n_j阶矩阵,A(t)的每一元素连续有界,设|a_(ij)(t)|     

(BCP)_θ加权移位的充要条件

设H是复可分Hilbert空间,T是H上以{W_(?)}为权序列的内射单边加权移位算子.现在我们定义T的逆权移位T_1为:T_le_n=w_n~le_(n+1),n≥0,其中{e_n}_(n=0)~∞是H的一个正规直交基,并且满足条什Te_n=W_n_(n+1).本文关于(BCP)_θ     

具有给定的混合型光滑模的多元周期函数的表现和逼近

1 预备事项R~d表示d维欧氏空间,X=(X_1,…,X_d),Y=(y_1,…,y_d)∈R~d,其数量积记作〈X,Y〉=sum from j=1to(d)X_jy_jf(X)=f(x_1 ,…,x_d)表示实可测函数,对每一变量均以2π为周期.π_d=[0,2π)~d是d维周期2π的立方体.对q,1≤ q≤∞,记f∈L_q(π_d),倘若||f||_q:={(2π)~-d∫|f(X)|~qdx}~(1/q)<∞,1≤q<∞.||f||_∞:=ess sup|f(X)|<∞,q=∞.记f∈L_q(π_d),倘若f∈L_q(π_d),而且     

NN判别中错判概率的指数收敛速度

设(X_1,θ_1),…,(X_n,θ_n)是由总体(X,θ)中抽取的iid样本,通常称为训练样本,其中(X,θ)是取值于R~d×{1,…,S)的随机向量。又设ρ是R~d中与欧氏距离等价的一个距离函数。对于X=x,我们可以按照ρ(X_j,x)的递增次序把(X_j,θ_j),j=1,2,…,n,重新排列(当“结”出现时,用比较下标方式消除之),我们便得到一个随机向量(R_1,…,R_n),其中X_(R_i)(x),对所有i,是x的第i个近邻。于是我们可取θ_(R_1)(x)作为目的对于X=x的NN判别。一般言     

NA随机变量的两个极限定理

NA(negetively associated)随机变量在可靠性理论及多元分析中有广泛应用,近来,对此类随机变量极限定理的研究已引起很多学者的关注.定义1称随机变量X_1,…,X_n(n≥2)为NA的,如果对于{1,…,n}的任何两个不相交的非空子集T_1和T_2,都有Cov(f_1(X_i,i∈T_1),f_2(X_j,j∈T_2))≤0,其中f_1和f_2是任何两个使上述协方差存在的对每个变元均非降(或均非升)的函数.称随机变量列{X_i,i∈N}是NA的,如果对任何自然数n≥2,X_1,…,X_n.都是NA的.近来的研究表明,NA序列有许多与独立序列极为类似的极限性质,这为NA序列在应用上提供了有力的理论依据.近来,我们证明了引理1 设{X_j,j∈N}为零均值的NA序列,且对某个p≥2,.记则存在仅与p有关的常数K_p>0,使对任何自然数a和n有,本文就用引理1建立了下面的极限定理.     

一类复合钟控序列

设分别是m,n_1,n_2阶二元线性移位寄存器(LSR)序列。f(X)=f(x_1,x_2,…,x_m)是GF(2)~m到GF(2)上的一个前馈函数。X=(x_1,…,x_m)是二元m维向量。K_1、K_2、d_1、d_2均为非负     

α次δ阶Riesz平均及其在紧李群上调和分析中的应用

设α_1,α_2,…α_s>0,δ_1,…,δ_s≥0,φ(t)=(1-t~α_1)~δ_1…(1-t~α_s)~δ_s,0≤t<1或0,t≥1.则φ(t)定义了紧李群G上可积函数f(x)之富里埃级数的一个平均求和。令δ=δ_1 δ_2 … δ_s,α=α_1,…,α_s中除2以外的最小数,若α_1=…=α_s=2时取α=2.称该平均为α次δ阶Riesz平均,并记为S_R~(α,δ)(f,x),