平稳过程大数法则指数收敛速度

一、主要结果设X_1,X_2,…,为一强平稳过程。大数法则的收敛速度一般是指概率趋于零的速度,这里ε>0。在Hipp,Lai等的工作中,其结果都是属于这种类型的。我们这里考虑何时P_n=O(ρ~n),0<ρ<1。     

截断参数估计的收敛速度

一、引言考虑双边截断参数分布族对于Lebesgue测度的密度函数为f(x;θ_1,θ_2)=k(θ_1,θ_2,)h(x)I_(θ_1,θ_2)(x),θ=(θ_1,θ_2)′∈△={(θ_1,θ_2)′:a<θ_1<θ_2相似文献   

Kuhn求根算法的收敛速度

设f(x)是n次复多项式。H. W. Kuhn构造了序列(x_(jk),d_(jh),j=1,…,n,k=1,2,…,使得,这里x_1,…,x_n都是,f(z)的根(Fixed Points; Algorithms and Applications, Acade-mic Press, New York. 1977)。     

关于密度估计的最优收敛速度

设X_1,…,X_n是取自具有密度函数f的m维总体的iid样本。f属于某个密度函数族。我们考虑的问题是用形如γ_n(x_1…x_n,x)(以下简记为γ_n(x))的估计量来估计f(x)。在具有相合性的情况下,种种意义的可能的最佳收敛速度问题。     

最近邻密度估计的一致收敛速度

一、引言和主要结果设X_1,…,X_n取自具有分布F和密度f的总体。为估计f,Loftsgarden和Quesenberry提出了最近邻方法。即指定自然数k=k_n≤n,对固定的x,找最小的a_n(x),使区间[x—     

最近邻密度估计的一致收敛速度

设总体有分布F,密度f,而X_1,…X_n,…为抽自该总体的独立随机样本,为估计f,Loftsgarden和Quesenberry(AMS,1965,p.1049)提出了如下的方法:选自然数K_n≤n,找最小的α_n(x),使[x-α_n(x),x α_n(x))这个区间包含样本X_1,…,X_n中的至少     

R-M随机逼近序列的收敛速度

自Robbins-Monro于1951年发表先驱性的工作以来,随机逼近(s. a.)的问题受到很多学者的注意.然而,现已发表的关于R-M过     

PL过程振动模的收敛速度

设X_1,X_2,…,Y_1,Y_2,…,T_1,T_2,…是三组相互独立的随机变量序列,而且各自为独立同分布的实值随机变量,X_i具有连续分布函数F,Y_i具有普遍分布函数G和T_i具有的分布函数D.在未删失和未截尾下,人们常常考虑基于数据X_i 1≤i≤n对其分布 F(·)的统计推断问题,此时F(·)的非参数极大似然估计是广为使用的经验分布函数F_n(·).     

关于强大数律收敛的速度下限

设X_1,X_2,…为iid的随机变数列,E|X_1|<∞。周知,如果0相似文献   

线性模型中最小二乘估计的强收敛速度

考虑线性模型如下:y_i=x_i~′β+e_i,i=1,2,…, (1)其中x_i~′=(x_(ij),…,x_(ij)为已知常值向量,β′=(β_r,…β_p)为未知参数向量。令设计矩阵X_n=(x_1…,x_n)′;Y_n=(y_1,…,y_n)′;S_n~(-1)=(X_n~′X_n)~(-1)(?)(S_(ij)~n)1≤i,f≤n。熟知β的最小二乘估计(n)有如下表达式     

时变信道最大似然序列检测的概率收敛速度和检测截止所引起的误码增量

在文献[1～3]的基础上,我们将序列检测技术具体化,确定了时变信道最大似然序列检测的概率收敛速度和检测截止所引起的误码增     

具有Elitist选择的遗传算法的收敛速度估计

模拟进化计算是近年来信息科学、人工智能与计算机科学的“热点”研究领域,而由此派生的遗传算法是一族通过模拟自然进化过程搜索最优解的方法。其基本思想源于60年代,Holland在研究机器学习过程中,受达尔文进化论——适者生存的启发,而获得的一种概率搜索算法。该方法在早期作为一种自适应机器学习方法,而近几年在解全局优化问题、人工神经网络的训练与结构优化、程序设计自动化中的查错处理等方面已取得成功的应用,显示了非常广泛的应用前景。     

一般核下最近邻估计的一致收敛速度

§1.引言及主要结果 设X_1,…,X_n是来自某个具有分布F和密度f的一维总体的iid样本。为估计f,Loftsgarden和Quesenberry提出了如下方法:选定一个与n有关的自然数走k_n找最小的     

无界ρ-混合序列强律的收敛速度

文献[1]限制r.v.|η_n|≤1,a.s.,n≥1。文献[1,2]设1/2<α≤1,αp≥1,并对{η_n:n≥1}要求,本文提     

m相依随机场渐近正态的一致收敛速度

称定义于同一概率空间(Q,J,P)上的随机变量族{X(Z),Z∈Z~p}为p维随机场。对VZ~p,记由{X(Z),Z∈V}产生的自然σ域为μ(V)。如果对任何V_1,V_2Z~p,d(V_1,V_2)>m,有μ(V_1)与μ(V_2)独立,则该随机场称作m相依的。     

相依数据的非参数分位数回归估计的最优收敛速度

文献[1]把通常的一维数据的分位数思想成功地应用于条件分位数线性回归.正如文献[2]中所表述的那样,由数据计算出的各条分位数回归曲线比一条均值回归曲线更能完整地描述一组数据的分布.关于独立观测数据的分位数线性回归.因为线性假设对模型限制太严,实际数据不一定满足这种模型假设.     

双平稳随机时变信道最大似然序列检测的概率收敛定理

本文首先利用平稳K相依随机变量序列的中心极限定理,给出了双平稳随机时变信道最大似然序列检测定理一个新的、准确的叙述和证明。然后,导出了序列检测概率收敛速度的定量计算公式。最后,对序列检测技术的某些重要问题进行了讨论。所     

平稳时间序列样本自相关函数和自协方差函数的收敛速度

设{X(n)}为一实线性正则零均值严平稳遍历的时间序列,其线性新息ε(n)满足     

矩限制的随机变量加权和的收敛速度及其在回归模型中的应用

随机变量加权和的收敛问题表述如下:如果{ε_n,n≥1}是一列随机变量,{a_n,n≥1}是常数列。记     

NN中程吸引力的含隐色态组份的夸克模型研究

近十年来,人们作了许多努力试图从夸克模型(QM)说明NN相互作用。文献[2,7]用单胶子交换势解释NN相互作用的短程排斥,得到了一些结果。但是单胶子交换势能否给出NN相互作用的中程吸引却是一个正在探索而尚无定论的问题。有些人在单胶子交换势的基础上试图通过改进夸克模型来获得核力的中程吸引,Maltman和Isgur的工作是沿这个方向探索的代表。他们通过扩大夸克模型的基空间,考虑色、自旋和轨道激发,利用变分原理得到了包括短程排斥和中程吸引在内的等效NN相互作用势,并且指出大部份中程吸引是由带色的核子集团的P-波激发所产生的。