关于有限非齐次马氏链状态序偶频率的一个强大数定律

设{X_n,n≥0}是以S={1,2,…,m}为状态空间的非齐次马氏链,i,j(?)S,S_n(i,j,w)是序偶列(X_0,X_1),(X_1,X_2),…,(X_(n-1),X_n)中序偶(i,j)出现的次数,本文利用绝对平均收敛的概念给出关于S_n(i,j,w)/n的一个强大数定律。     

M值随机变量序列与Markov链的比较及其强偏差定理

设{Xn,n≥0}是在S={1,2,…,m}中取值的随机变量序列,I,J S, Sn(I,j,ω)是序偶列{X0,X1},(X1,X2),…,(Xn-1,Xn)中序偶(I,j)出现的次数,本文利用似然比[1],这一概念,作为{Xn,n≥0}与Ma链偏差的一种度量,并通过限制似然比,给出样本空间的一个子集D(C),在此子集上得到一类与Markov链有关的强偏差定理。     

有限非齐次马氏链的一个强大数定律

设{x_n,n≥1}是一有限非齐次马氏链,S_n(k)是序列 x_1,x_2,…,x_n中状态 k 出现的次数,A_n(k,l)是序偶序列(x_1,x_2),(x_2,…,x_3),…,(x_n,x_(n+1))中状态序偶(k,l)出现的次数.本文给出关于 S_n(k)/n 与A_n(k,l)/S_n(k)的强大数定律成立的一个充分条件.     

关于马尔可夫链平稳分布定义的几点注记

马尔可夫链平稳分布有两种不等价的定义: 定义1 设{x(n),n=0,1,2,…}为马氏链,E={0,1,2,…)为状态空间。若对An及i∈E,有 P{X(n)=i}=P{X(o)=i}=P_i 则称{P_i,i∈E}为马氏链的平稳分布。定义2 设{x(n).n=0,1,2,…}为马氏链,E={0,1,2,…}为状态空间,P_(ij)为一步转移概率,{π_i,i∈E}为概率分布。若{π_i,i∈E}满足方程组π_i=sum from j=0 to ∞π_j P_(ji) ,i=0,1,2,…则称{π_i,i∈E}为马氏链的平稳分布。本文通过一系列定理,对这两种定义进行比较,从而看出它们的异同点。     

满足某些不等式条件的置换的计数

设π是 {1,2 ,… ,n}上的一个置换 ,i,j是两个固定整数 ,本文利用车多项式对满足条件π(k) {k+i,n -k+j(modn) }的置换个数进行计数     

污染数据线性回归模型的参数估计

污染数据线性回归模型在医学、现代分子学、气象预报学等多领域有着广泛的应用. 笔者研究了污染数据线性回归模型:yi=α βxi εi,i =1,2,…,n,εi相互独立并且服从N(μ1,σ12),同时{yi}受到另一串与之独立的随机变量{ti}的干扰,仅能观察到yi*=(1-v)yi vti,0≤v≤1,其中ti(i =1,2,…,n)相互独立并且服从N(0,σ22),μ1,σ12,σ22均已知.最后给出了回归参数α、β和污染参数v的估计.     

关于Lucas数立方与二项式数的卷积公式

对于非负整数l,L_l表示第l个Lucas数;$\left( {array}{l}n\\i{array} \right) = \frac{{n!}}{{i!\left( {n - i} \right)!}}$为二项式系数;对于非负整数l和k以及正整数n,设l(k, 3, n)是数列$\left\{ {\left( {array}{l}n\\i{array} \right)} \right\}_{i = 0}^n$和$\left\{ {L_{k + i}^3} \right\}_{i = 0}^n$的卷积,即l(k, 3, n)=$\left( {array}{l}n\\0{array} \right)L_k^3 + \left( {array}{l}n\\1{array} \right)L_{k + 1}^3 + \cdots + \left( {array}{l}n\\n{array} \right)L_{k + n}^3 = \sum\limits_{i = 0}^n {\left( {array}{l}n\\i{array} \right)L_{k + i}^3} $。文章证明了k≥n时,l(k, 3, n)=2nL_3k+2n+3(－1)k+nL_k－n; 当k < n时,l(k, 3, n)=2nL_3k+2n+3L_n－k成立。     

广义Fibonacci数列和Lucsa数列的关系式

根据广义的Fibonacci数列{u_n}:u_n+1=Au_n+Bu_n-1和广义Lucas数列{v_n}:v_n+1=Av_n+Bv_n-1的定义, 采用初等方法证明了广义的Fibonacci数列和Lucas数列的几个新的关系式$\sum\limits_{i = 0}^n {{u_i}{v_{n - i}} = \left( {n + 1} \right){u_n}} $、 ${2^{n + 1}}{u_{n + 1}}=\sum\limits_{i = 0}^n {{2^i}{v_i}{A^{n - i}}}$、 $\sum\limits_{i = 0}^n {{{\left( { - B} \right)}^i}{v_{n - 2i}} = 2{u_{n + 1}}} $、 ${3^{n + 1}}{u_{n + 1}} = \sum\limits_{i = 0}^n {{3^i}{v_i}{A^{n - i}}} + \sum\limits_{i = 0}^{n + 1} {{3^{i - 1}}{u_i}{A^{n + 1 - i}}} $、 $\sum\limits_{i = 0}^n {{v_i}{v_{n - i}} = \left( {n + 1} \right){v_n}} + 2{u_{n + 1}} = \left( {n + 2} \right){v_n} + A{u_n}$、 $\left( {{A^2} + 4B} \right)\sum\limits_{i = 0}^n {{u_i}{u_{n - i}}} = \left( {n + 1} \right){v_n} - 2{u_{n + 1}} = n{v_n} - A{u_n} $, 将Fibonacci数列和Lucsa数列关系的结论进行了推广。     

某种三角多项式插值算子的逼近

给定结点系为{xk=x=k,n2kπ/n，k=0，1…，n-1}，定义线性插值算子为：（Unf)(x)=∑∧n-1j=0f(xj)Kn(x-xj),(n=1,2,3…），这里Kn(x)=1/n{1 2∑∧n-1k=1p（i（n-k））/p（ik） p（i（n-k））cosk∧x}，f∈C∧N2π。本文讨论算子Un的逼近问题，得到关于逼近阶的结果。     

单向随机模型误差方差带约束的一种齐性检测

利用多元正态总体的复相关系数检验 ,给出了单向分类随机效应模型yij=μj αi εij具有线性约束I′ΛH =0的误差方差的一种齐性检测方法 .即检验H0 :σ21=…σ2 n,其中 ,Λ =diag(σ21,σ22 ,… ,σ2 n) ,R(Hm×t) =t,μ为常量 ,αi～N(0 ,σ20 ) ,εij～N(0 ,σ2 j) ,i=1,2 ,… ,n ;j=1,2 ,… ,m为随机效应 .各αi,εj 独立 ,I′ =(1,1,…… ,1) ,检验统计量为F =R21-R2 ·n -m tm -t- 1～F(m -t- 1,n -m t) ,拒绝域为W{F >Fα(m -t- 1,n -m t) } .     

一个等距的三次样条

设△:a=x_0相似文献   

强相依非平稳序列上超点过程的收敛性

{ξ,i≥1}为标准化的正态序列，rij=Cov（ξi,ξj）。Mn（k）是{ξi,i≥1}第k个最大值，本文在条件：j-i→∞时rijlog（j-i）→γ∈（0,∞）下，得到了ξ１，ξ２，…，ξn时间正规化上超水平un^（1）,un^（2）,…,un^（n）形成的点过程依分布收敛到定义在（0,∞）×R上的二维Cox-过程。     

关于(0,2,3)型插值多项式的逼近阶研究

设f(x) ∈C_(2π),Qn(f,x)是以x_(kn)=(2πk)/n(k=0,1,…,n-11)为基点的(0,2,3)型插值多项式,n=2m+1。Tm(f,x)是以{X_(kn)}_(k=0)~(n-1)为基点的(0)型插值多项式。因为u_n(x)∈C_(2π),使得 lim[f(x)-Q_n(f,x)-u_n(x)(f(x)-T_m(f,x))]=0 n→∞ (关于0≤x≤2π一致地成立)。本文进一步得到了逼近阶估计: |f(x)-Q_n(f,x)-u_n(x)(f(x)-T_m(f,x))| ≤C[ω(f,(1_nn)/n)+1/n_(k=1)~nΣω(f,1/k)]     

关于一般的连续统假设与选择公理的两个定理

在这篇短文中我们证明了两个定理;GCH(i,j)AC与GCH(i,j)GCH,并且同时得到了GCH AC的又一证明方法. 记号GCH(i,j)是指:m~i≤n≤2~(mj) n=m~i或n=2~(mj),其中m,n是任意的无穷基数,i,j是任意地固定的自然数≥1.GCH(i,i)简记为GCH(i),而GCH(1)即是通常的GCH.以下所用的记号、定义和术语见文末所列的参考文献19.     

关于ARMA过程的一个定理的构造性证明

本文构造性地证明以下定理:定理1 若随机过程x(n),w(n)满足以下方程: sum from j=0 to p a_ix(n-j)=w(n), a_0=1,则必存在常数C_1和d_j(k),l=0,1,2,…,k;j=1,2,…,p,使x(n)可表为 x(n)=sum from l=0 to k C_1w(n-1)+sum from i=1 to p d_i(k)x(n-k-j)。这里,k是任意的正整数。特别当 sum from i=0 to p a_iλ~(p-i)=0的根全位于单位圆内,且E|x(n)|~2≤M,E|w(n)|~2≤M'时,则x(n)可表为 x(n)=sum from l=0 to ∞ C_1w(n-1),上述收敛是均方意义的。定理2 对于ARMA过程x(n): sum from i=0 to p a_ix(n-j)=sum from i=0 to q b_iw(n-j)当sum from i=0 to p a_iλ~(p-i)=0的根的模全小于1,则x(n)可表为 x(n)=sum from l=0 to ∞ C_1w(n-1),收敛为均方意义的。     

一类带边界混合约束的拟半节点二元样条S_2~1(Δ_(mn)~(2))插值

设Ω=[0,l_1;0,l_2]为平面区域,本文构造了一类在Ω上满足下列条件的二元样条插值函数S(x,y)∈S_2~1(△_(mn)~(2)): ⅰ)S(x_i 1/2,y_j)=f(x_i 1/2,y_j),i=0,1……m-1;j=0,1……n。ⅱ)S(x_i,y_j)=f(x_i,y_j),i=0,m;j=0,1……n。ⅲ)■s(x_i,0)/■y=■f)x_i,0)/■y i=0,1……m。并且给出了下列误差估计, 若f(x)∈C~3(Ω), 则|f(x_1y)-S(x_1y)|≦53/64h~3‖f″′‖ 1/4h~2‖f″′‖l_2。其中h=max{l_1/m,l_2/n},‖f″′‖=max/0≤i≤3{‖■~3f/■x~i■y~(3-i)‖}。     

状态一般马尔科夫过程可加泛函的极限定理

本文的目的是给出状态一般、参数连续、齐次马尔科夫过程可加泛函的重对数定理与r-阶矩收敛定理。前一定理推广了[2]中相应的结果,后一定理则是新的。此外,我们也得到了状态一般、参数连续、齐次马氏过程可加泛函的中心极限定理,这将另文给出。设X={x_i(ω),t∈T=[0, ∞)}是定义在给定某概率空间(Ω,F,P),上取值于完全,σ-紧,可测距离空间(E,ρ,B)上的齐次,右连续,强Feller马尔科夫过程。它满足条件: (X_1) 对任一x∈,t>0及U∈B,过程X的齐次转移函数P(t,x,U)>0 (1) (X_2) 存在紧集K,使对每一α∈E,有P_α{存在t,使x_1(ω)∈K}=1 (2) 其中P_α(·):P{·|X_o(ω)=a}。由(X_1),(X_2)即知X是常返的强马氏过程。     

变指数非线性递归数列的极限问题

探讨由递推式F_(n+p)=∑pi=1a_iFb_i(n)n+i-1,n≥1,p≥2,所给出数列{F_n}的敛散性问题。在满足一定条件时,数列{F_n}收敛,且极限值与初始值F_i0,i=1,2,…,p无关。     

两个组合恒等式

文章通过对国际象棋棋盘上的一类修剪盘的"互不捉吃车问题"的讨论,利用母函数的方法证明了两个组合恒等式:①∑1≤i1相似文献   

ECT系的一个特征

假{u_i)_0~(n 1)(n≥2)是[a,b]上的ECT系,我们考虑用{u_i}_0~n线性组合来逼近u_(n 1),记它的最佳逼近为u_* 即有本文证明了定理|(u_(n 1)-u_*(a)|=|(u_(n 1)-u_*)(b)|=‖u_(n 1)-u_*‖设{u_i}_0~n是有限区间[a,b]上的ECT系(定义见[1]),若u_0,u_1,…,u_n都属于C~n_[a,b]且满足初始条件: u_k~(p)(a)=0,p=0,1,…,k-1,k=1,2…,n,那末有(见[1]第379页定理1.2) u_0(t)=w_0(t)其中W_i(t)(i=0,1,…,n)是在[a,b]上严格正,且属于C_([a,b])~(n-i),本文讨论上述形式的ECT系。设f∈_([a,b]),用{u_i}_0~n的线性组合来逼近f,大家知道这样的最佳逼近总是存在,唯一的。我们记这个最佳逼近多项式为u_*(t)。则