平稳弱相关过程积分的收敛性

在随机微分方程理论中,平稳弱相关模型已被深入研究。假设g(x,ω)是一以(?)为相关长度的平稳弱相关过程,人们已获得形如     

一类平稳强混合序列的收敛性

以往对于平稳混合序列的中心极限定理及其不变原理都是在方差存在的条件下讨论的。现在除去了这一限制。给出了定理1 设{X_n,n≥1}是满足强混合条件(α)的平稳随机序列,FX_n=0。假设(ⅰ)存在满足下列条件的正整值函数P(n)(简     

NA序列对数律的收敛性

通过对ＮＡ序列对数律收敛速率的研究,得到与独立同分布实值随机变量序列极为类似的结果,作为推论,得到了ＮＡ阵列有界对数律的一个充分性结果,同时肯定地回答了Ｇｕｔ于１９８０年对ｉｉｄ实值随机变量序列的一个猜想,在弱于苏淳和秦永松的矩条件下,得到了其定理１的强收敛性结果。     

平稳NA序列的大偏差原理

在一般的条件下,证明了平稳ＮＡ序列部分和大偏差原理成立。     

弱条件下Halley族迭代的收敛性

我们曾在Smale的点估计判据下得到整个Halley族迭代的收敛性定理。点估计判据假设被求零点的映照f在初始近似z_0的某个适当大的邻域内解析。按数值泛函文献的通常理解,这是强条件的假设,尽管这种假设对于实计算的复杂性研究有其特殊的需要。对于其迭代映照中涉及f的k阶导数(或差商)的迭代法,通常理解的弱条件是假设f在z_0的某个邻域有连续的k 1阶导数,就像Канторович关于Newton法的经典工作那样。弱条件下建立收敛性定理的最大困难是关于优映照正根存在的判定。由于优映照通常被选为多项式,所以在关于算法的理论中,这是一个已经被彻底解决的问题。但成功的收敛性定理要求把这种条件明快地表示出来,而不是只给出一种判定的算法。对照文献[6]的成功和文献[7]的差强人意,这是很明显的。长期以来,还没有能够在弱条件下建立Halley族迭代的收敛性定理,其困难就在于此。对原来意义的Halley法来说,已经建立不少弱条件下的收敛性定理,但不能令人信服地说哪个比哪个更好,其原因亦在于此。     

随机足标序列的完全收敛性

Katz(1963)给出过完全收敛性的一个基本结果:对独立同分(iid)随机变量序列{x_n},E|x_1|’<∞(r≥1)且EX_1=μ的充要条件是:对任意的ε>0,     

α混合序列的完全收敛性

1 引言和主要结果自1947年Hsu和Robbins提出完全收敛性概念以来,不少学者致力于这方面的研究,其一般性的结果是1965年Baum和Katz得到:设{X_n,n≥1}是独立同分布随机变量序列,EX_n=0,E|X_1|~p<∞,p≥1,1≥α>1/2,pa≥1,(?)_ε>0,S_n=sum from i=1 to n(X_i),有sum from n=1 to ∞ n ~(pa-2)P(|S_n|≥εn~a)<∞(1)1985年白志东和苏淳把上述结果推广到极大部分和与缓变函数形式,并得到一系列理想的结果,与此同时,由于实际应用的需要,这一课题也转向{X_n,n≥1|}不独立情形的研究.1988     

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:     

点到集映象族算法的弱收敛性

本文给出了点到集映象族算法具有弱收敛性的条件,这些条件仅与空间的拓扑性质有关,是文献[1—4]中相应结果的改进与推广。特别对于Zangwill的算法(一种闭点到集映象算法),它具备弱收敛性的充要条件。此外,我们还对文献[6]中提出的算法建立了相应的弱收敛性定理。     

奥尔里奇空间的列紧性和弱收敛性

自从[1]中提出奥尔里奇空间L_M~*(G)(M(u)不满足△_2条件)中列紧集判定问题以来,除[2]给出一个对偶形式条件外,尚未见到其他结果.[1]曾就子空间E_M的列紧集判定问题介绍若干条件。其出发点是如下命题:     

关于随机变量序列部分和的增量的一个问题

Hanson和Russo在文[1]中提出了三个关于i.i.d.随机变量部分和的增量的问题,其中第一个是关于诸定理中出现的条件:a_n/logn→∞(文[1]中的条件(5.3b)).他们问道:如果对X_n 的分布附加一定的限制,上述条件能否放宽?本文的目的即回答这一问题.与此同时,我们还考虑了与这个条件类似的条件:(loga_n)/n→0(文[1]中的条件(5.7)).得到的结果与著名的Erd(?)s-Rényi 大数定律有相似之处.     

关于相联随机变量序列的不变原理的一点注记

设x_1,…,x_m是有限个随机变量,如果f_1真和f_2是任意两个对于其每一变量都非降的m元函数,且若记(?)_i(?)f_i(x_1,…,x_m)(j=1,2),     

一类弱相依序列的不变原理

对于弱相依随机变量序列的极限定理和它们的泛函形式,通常都要求随机变量存在有限的方差.我们对于平稳m-相依序列除去了这一限制,从而将Donsker定理(当然也包括随机变量序列的中心极限定理)推广到平稳、m-相依且没有方差存在这一限制的情形.     

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,     

平稳过程的弱对称0-1律

随机变数列的0-1律是概率论关心的重要规律之一。在本世纪三十年代Kolmogorov发现了在独立条件下的无穷远0-1律;1955年Hewitt-savage证明了在独立同分布条件下的对称0-1律;近年来王梓坤教授研究了在Markov条件下的强无穷远(又称不变)0-1律。     

Orlicz序列空间的弱一致凸性

近两年来,对Orlicz 空间的几何特性的研究引起了国内外许多数学工作者的关注.关于Orlicz 空间各种凸性的判据大多已知,其中关于Orlicz 函数空间L_(M)~*弱一致凸性的判据是M(u)、N(v)都对较大的u 满足△_2条件且M(u)严格凸.本文证明了Orlicz 序列空间l_(M)~*的弱一致凸性与h_(M)的弱一致凸性是等价的,并给出了判别方法.从所得结论看,l_(M)~*弱一致凸的条件,不仅不同于其他凸性的条件,而且不同于Orlicz 函数空间的相应结果,在证明方法上     

关于ρ-混合序列的完全收敛性的注记

设{X,n>门为。随机变量序列,记S。二】X、只g。(,l＄1<…,义 二。(,i3巾,n>1.定义 _._。。。、IEXY—EX·EYI p。二 SuP SuP 一?二二二二二二二Z兰上一.(l X。乌闪-)y。乌卜C。)、用没一EX y·议Y一＊Y丫若尸。-0(当n～。时)则称K,n>l}为P-混合序列.众所周知,一致强混合一定是P-混合,故本文的结论对一致强混合也完全适用. 完全收敛性概念是许宝绿和Robins于1947年首先引进的,现已成为研究强大数律的一个重要内容,对于独立同分布序列,Baum和Kate在文献门中证明了下述定理: 定理 A 设。p>1,。>会,那么对任意给定的。>o,级数二。。…     

对称正定弱对角占优线性系统的多重网格法的收敛性

考虑线性系统Au=f的代数多重网格法(AMG)的求解问题。目前AMG收敛性理论仅适用于A为对称正定弱对角占优L-矩阵的情形。以下采用文献[1]中的记号。本文的立足点是我们所发现的新公式(1)。     

经验过程的随机加权逼近及其应用

本文得到了有界函数的指标集上经验过程的随机加权逼近,给出了该过程的强一致收敛速度.在对总体的多元未知分布无任何限制的条件下,给出了多元Von Mises型泛函统计量及其投影寻踪(PP)的随机加权逼近,这一结果对上述统计量的Bootstrap逼近亦成立.