同分布NA序列部分和之和的弱大数定律

论文研究了同分布NA随机变量序列{Xa}部分和之和Ta∑i=0^nSi(其中Sn=∑i=1^nXi)的弱大数定律,首先从弱大数定律成立的条件出发,给出了这类条件成立的三种等价形式,最后得到它的一个弱大数定律,从而与文献[4]中I．I．D列情形下的弱大数定律形成对照．     

非独立随机变量序列成立大数定律问题

<正> 概率接近于1的事件在一次试验中几乎一定发生,而概率接近于0的事件,则很难发生。因此在实际问题中和理论问题中,概率接近于1的事件有重要意义。大数定律就是研究概率接近于1的规律的一类概率论定理。本文就非独立变量序列的情形,推广了某些大数定律。     

φ-混合序列的大数定律和完全收敛性

研究了φ-混合序列的大数定律和完全收敛性,获得了与独立情形一样的大数定律和完全收敛性,推广了已有的一些结果.     

时间随机环境中一维随机游动的极限性质

研究了时间随机环境中的一维随机游动,如果环境是平稳遍历的,则在一定条件下满足大数定律和中心极限定理.特别地,当环境独立同分布时,可以得到更为具体的结果,该结果类似于经典的大数定律和中心极限定理的相应结论.     

非独立随机变量序列的两个大数定理

本文把随机变量序列的两个大数定理,推广到非独立的情形,并给出了严谨的证明。     

NA序列部分和之和的一类大数定律

从文献 [4]中NA随机变量序列部分和Sn= ni =1 Xi 的大数定律存在条件出发 ,从而得到了NA随机变量序列部分和之和Tn= ni=1 Si 的一类强弱大数定律     

二元上尾独立风险模型中的带有随机权重的随机变量的大偏差

设{Xi,i≥1}是一个二元上尾独立的服从不同分布的随机变量,{θi,i≥1}是一个独立同分布的非退化的随机变量,研究了由{Xi,i≥1}和{θi,i≥1}构成的风险模型中的大偏差,采用类似求带随机权重的相依风险模型中的大偏差的方法,得到了二元上尾独立风险模型中的带有随机权重的随机变量的大偏差的一致渐近公式.     

关于LEVITZKI半单纯环

在§1中,给出:1) A是环R的一个右(左)理想,则L(A)={x|xAL(R)(AxL(R),x∈A};当R是L-半单纯环时,则L(A)={x|xA=o(Ax=o),X∈A}。应用此结果极易得到LEVITZKI([3])的一个定理:指数有界的幂零元素环恒为局部幂零环(根环)。2) 环R是L-半单纯的当且仅当m元多项式环R[x_1,…,x_m]的n阶全阵环(R[x_1,…,x_m])_n亦为L-半单纯的;(L(R)     

NA序列自正则加权和的几乎处处中心极限定理

设{X,X_n,n≥1}为严平稳的NA随机变量序列,{a_(ni),1≤i≤n,n≥1}为实数阵列,S_n=n∑i=1a_(ni)X_i,V_n~2=n∑i=1a_(ni)~2X_i~2.在适当的条件下,证明了NA序列自正则加权和的几乎处处中心极限定理.     

关于Orlicz空间比较的若干定理

两个N-函数Ф(u)和M(u)有四种比较概念。本文§1和§2给出其中两种比较概念有关的Orlicz空间的五个补充定理。§3以一个反例指出C.B.Лапив一个引理的错误,详细讨论了两个φ-函数的“快于”比较概念,这补充了作者的文。     

无k次幂因子数的伪随机性

集合{1,2,…,N}的伪随机子集在密码学中有广泛的应用。Cécile Dartyge和András Srkzy运用筛法证明了集合{1,2,…,N}中无平方因子数构成的子集不是一个好的伪随机子集。研究集合{1,2,…,N}中无k次幂因子数构成的子集Qk(N),并对应地定义了序列EN(Qk(N))=(e1,e2,…,eN),其中qN=card Qk(N)N,en=1-qN,如果n为无k次幂因子数;-qN,其他{。进而通过讨论序列EN(Qk(N))的伪随机测度,证明子集Qk(N)同样没有好的伪随机性。     

M?bius变换中的n阶循环群判别式

M?bius变换的n阶循环群生成元的充要条件表达式中,含有一系列Δ_m(齐次多项式,1≤m≤n)。而随着n的增大,Δ_n的次数增高,条件也增多。为解决此问题,用清除Δ_n中关于n低下标因子的方法,使其在整系数域内,用互质的判别式{Δ*_n}等价地取代{Δ_n},从而尽可能地降低Δ_n的次数,同时使判据简洁地成为一个条件。     

一类无穷连区域上的Corona定理

设D为△~-区域,若对每一个非特征同态■∈M_0,存在一个区域D~*=△\(∪△_(nj)∪{0}),{△_(nj)}是{△_n}的一个子列,存在一个正整m=m■,使得■,而且对每一个f∈H~∞(D),a_n(f)收敛,■则D在H~∞(D)的极大理想空间M(D)中稠密,本文的定理包含了文[3],[4],[5]的一切主要结果。     

模糊数空间中的收敛关系

研究模糊数序列{un}关于上确界度量,Skorohod度量,Lp型度量(1≤p∞)的收敛与水平收敛之间的关系。证明了:如果模糊数序列{un}的极限u是连续模糊数,那么模糊数序列{un}关于上述的四种收敛是等价的。     

NA样本均值的Bootstrap逼近

用Bootstrap法估计随机变量的概率分布广泛适用于样本为独立同分布情形.立足于考虑随机变量序列{Xn,n≥1}为NA相协样本条件下均值X-n的Bootstrap逼近问题,首先定义了强平稳组间独立的负相协样本,然后对样本分成k组情况下X-n的k个刀切虚拟值Yi(i=1…k)赋予质量1k,得到“经验分布函数Fk*,从F*k中抽取k个独立样本Y1*,…,Yk*,用n(Yk*-Xn)的条件分布去模拟n(Xn-μ)的分布,最后证明其相合性成立.     

关于拟有限生成的Klein群的解析理论（Ⅰ）

在这组系列文章中,我们发展了拟有限生成的Klein群的解析理论,这种Klein群通常可能是无限生成的。我们说一个Klein群是拟有限生成的,若它可表示为Γ=<γ1…,γn,Γ0B)>,这里Γ(B)是Γ的极大的零化子群。(见§3)。我们研究了拟有限生成的Klein群的许多问题如:有限性定理,面积定理,上同调,Poincare级数,及尖点估计等。在§1中,我们简单地回顾了有限生成的Klein群的若干结果,特别是Ahlfors有限性定理,这一定理是Klein群的解析理论的基石。而我们的思想便来源于Ahlfors的原始文章的证明之中。在§2中,我们研究了Klein群的Π29-2-上同调的结构,我们引入了许多新的概念,如零化子空间,零化子群,Kra变换,Kra泛函,相对边缘子空间,q-代数扩张,代数扩张等。这一节的内容是研究拟有限生成的Klein群的基础。在§3中,我们引入了拟有限生成的klein群的概念,并且得到拟有限生成的Klein群的有限性定理,面积定理及若干面积不等式在§4中,我们引入了相对的Eichler积分空间,得到了拟有限生成的Klein群的一阶上同调的分解。并且研究了拟有限生成的Klein群的Poincare级数及尖点估计的理论。这一部分内容是Kra[3]的推广。在§5中,我们提出了一些这个理论中尚未解决的问题。     

B值独立随机元序列加权和的完全收敛性和大数律的等价性

在一定条件下研究了B值独立随机元序列加权和的收敛性质,并进一步得到了B值独立随机元序列加权和的完全收敛性和大数律的等价性.该结果推广了关于B值独立随机元的相应结果.     

拟线性抛物型方程的第一边值问题

<正> §1问题的提出,关于拟线性抛物型方程的第一边值问题的解的存在定理,在[1—Ⅳ]中已被建立。本文的目的是在较弱的条件下用“切片法”建立问题(1)、(2)解的存在定理。     

ρ~*-混合序列对数律的收敛速度

研究了ρ*-混合序列{Xn,n≥1}对数律的收敛速度,在较弱的矩条件下,把ρ-混合序列对数律的收敛速度推广至更广泛的ρ*-混合序列的情形,并将其结果作了一定的改进,同时给出了ρ*-混合序列对数律的收敛速度的一种描述.     

基于随机模拟的大数定律教学研究

基于R语言设计了2个通用的大数定律随机模拟函数LLN_mean和LLN_graph,分别用于计算相关变量和绘制模拟图.通过适当设置其中参数,可以对任一随机数序列进行模拟,并用图形展示出算术平均值的变化趋势.旨在将大数定律所揭示的统计规律直观、清晰地呈现,通过调整各个参数值,让学生观察其对于收敛性的影响,达到较好的课堂效果.