p*-混合随机变量序列加权和的完全收敛性

对同分布ρ^＊-混合随机变量序列{Xn,n≥1},在加权系数{ani,1≤i≤n}满足条件（？）｜ani｜^p=O（n^δ）,n→∞（0〈δ〈1）和#A（nk）=#{1≤i≤n：｜ani｜^p〉（k＋1）^-1}≥ne^-1/k下,用截尾法证明了加权和完全收敛性及Marcinkiewicz-Zygmund型强大数定律.     

一个"猜想"的一般性证明

文献[1]给出了如下的一个“猜想”:设ai>0(i=1,2,…,n),∑ni=1ai=1,k∈N ,则有:a11k-a1ka12k-a2k…a1kn-ank≥nk-n1kn(nk≥3)文献[2～4]对上面的类似不等式作了较深入的论证,但与全面解决此类不等式尚有一段距离。笔者对“猜想”给出了一般性证明,以期对此作出较完整的归纳。引理1∏ni=1(ai bi)≥n∏ni=1ai n∏ni=1bin,其中,ai>0,bi>0,(i=1,2,…,n)。证明因为n∏ni=1ai n∏ni=1bin∏ni=1(ai bi)=n∏ni=1aiai bi n∏ni=1biai bi≤1n∑i=n1aia ibi 1n∑i=n1aib ibi=1n∑i=n1aaii bbii=1所以n∏ni=1ai n∏ni=1bi≤n∏ni=1(ai bi),即∏ni=1(ai…     

一致Lipschitzian渐近伪压缩映射的Mann型隐迭代算法的收敛性

假设K是Hilbert空间E的非空闭凸有界子集,T:K→K是一致Lipschitzian渐近伪压缩映射,数列{αn}满足δ≤αn≤1-δ,δ∈(0,1)是足够小的常数.则对任意的x0∈K,由Mann型隐迭代算法xn=αnxn1+(1-αn)Tnxn(n>0)迭代出的序列{xn}弱收敛于T的不动点.     

非平稳高斯序列最大值与部分和联合的几乎处处收敛

假定(Xn,n≥1)为标准化非平稳高斯序列,Mn=max{Xi,1≤i≤n},Sn=∑ni=1Xi分别为对应的最大值与部分和,在协方差函数满足适当条件下,得到了最大值与部分和联合的几乎处处收敛定理.     

α-混合下回归函数改良核估计的渐近正态性

设{(Xi,Yi),i≥1|是从取值于Rd×R的总体i≥1中抽取的严平稳、α-混合样本.回归函数m(x)=E(Y|X=x)改良的递归核估计定义为:(m)2n(x)=[n∑i=1YiI(|Yi|＜bi)hi-dK(x-Xi/hi)]/n∑j=1hj-dK(x-Xj/hj)在适当的条件下,讨论了(m)2n(x)的渐近正态性.     

具有正则变化函数型随机足标的独立同分布序列最大值的极限分布

设X1,X2,…为独立同分布序列(i.i.d.s.),Mn=max1≤i≤n Xi,实可测函数f(t)∈RVγ,γ>0,又设{N(n)}为一列取正整数的随机变量,满足N(n)/n p→η>0,得出了M[f(N(n))]的极限分布.

Abstract：

Let X1, X2, … be an i. i. d. sequence, and Mn = max1≤i≤n Xi, real measurable function f(t) ∈ RVγ,γ> 0. Suppose { N(n) } is a non-negative integer valued random variable with N(n)/n p→η> 0 as n→∞, the limit distribution of M[f(N(n))] is derived.     

平稳高斯向量序列最大值与最小值联合的几乎处处收敛

max sup 1≤p≠q≤d n≥0|rn(p,q)|＜1且ρn log n(log log n)1+ε=O(1)条件下,证明了d维标准化平稳高斯向量序列的最大值与最小值联合的几乎处处中心极限定理.     

保险产品设计的数学模型探讨与研究

目的某保险公司拟设计一款新产品,其思路是:投保人从一出生开始,每月交纳固定费用a元,交满n年(n是正整数)停止交费,并从下一个月开始按月领取固定额度的工资b元,直到投保人死亡,按这个思路建立数学模型解决这一问题。方法在已知投保人恰好k岁死亡的概率为pk前提下,以保险金本息和余额为随机变量X,建立保险公司收益的数学期望Em(X)=∑k∈Λxkpk 的概率模型。结果给出了在投保人都是恰好满m岁死亡时,保险公司收益的数学期望的表达式:当mn时,Em(X)=m∑kx=n+1xkpk=m∑k=n+1[12n∑i=1a(1+c)i(1+c)k-k∑i1b(1+c)i]pk;当m≤n时,Em(X)=m∑k=1xkpk=m∑k=1k∑i=1[a(1+c)i-ka(1+d)]pk。在均匀分布的假设下,投保人在第m个月死亡时保险公司收益的数学期望的表达式为:Em(X)={1/12m∑k=1k∑i=1[a(1+c)i-ka(1+d)]p1+[k-1/12]m ≤12n1/12m∑k=12n+1[A(1+c)k-k∑i=1b(1+c)i]p1+[k-1/12]m12n结论结合以上数学模型,讨论了保险公司不盈不亏(即保险公司收益的数学期望Em(X)=0时)的概率P(Em(X)=0)。通过考虑年龄、性别、死亡率等一些有用的数据,讨论了确定合适的a、b、d和n值的一些思路和方法。     

Gabor框的存在性问题探讨

通过Littlewood问题与当a=b=1,g是某集合E上的示性函教,且E=E[no,n1,…,nk-1]=∪k-1 i=0[ni,ni+1),{ni}k-1 i=0 (C)(Z)时,(Xe[n0,n1,…,nk-1],1,1)是否成为Gabor框的问题的等价性,给出了当k=5时一些特殊位置关系下,(XE[n0,n1,…,nk-1],1,1)是否成为Gabor框的刻画.     

《华南农业大学学报》编辑委员会

设F为区域D内的一族全纯函数,k为正整数,n0,…,nk为k个非负整数,满足n0 … nk≥2,且存在ni≥1(0≤i≤k-1). 若对任意f(z)∈F,f(z)的零点重数≥k,且fn0(z)(f′(z))n1…(f(k)(z))nk≠1,则F在D内正规.     

全纯函数族的一些正规定则

设F为区域D内的一族全纯函数,k为正整数,n0,…,nk为k个非负整数,满足n0 … nk≥2,且存在ni≥1(0≤i≤k-1). 若对任意f(z)∈F,f(z)的零点重数≥k,且fn0(z)(f′(z))n1…(f(k)(z))nk≠1,则F在D内正规.     

离散随机变量序列完备及非完备样本最大值的联合分布

设离散随机变量三角阵列{X_(n,k),K≤n,n≥1}存在数据缺失,对给定的n,M_n=max{X_(n,k),K≤n}为第n行的最大值,(~(M)_n)为该行观测到的随机变量的最大值,研究了离散型随机变量的分布函数某一参数变动时(~(M)_n),M_n)的联合渐近分布.

Abstract：

For triangular array discrete random variables {X_(n,k), k ≤ n,n ≥1},there may exist data missing observation. Denote M_n=max{X_(n,k),k ≤ n}the partial maximum and (~(M)_n) is the maximum of the observed random variables in the nth row.In this paper,the asymptotic joint distributions of (~(M)_n),M_n) of some discrete random variables are obtained as their parameters vary along with sample size.     

关于反向Hardy-Hilbert积分不等式的推广

通过引入参数及估算权函数,建立了反向Hardy-Hilbert积分不等式的推广式,证明了:若p＜0,1/p+1/q=1,2-q＜λ＜2-p,α≥-β,f(t),g(t)≥0,且0＜∫∞α(t+β)1-λfp(t)dt＜∞ 0＜∫∞α(t+β)1-λgq(t)dt＜∞则∫∞α∫∞αf(x)g(y)/(x+y+2β)λdxdy＞{∫∞α[kκ(p)-θλ(q)(α+β/t+β)q+λ-2/q](t+β)1-λfp(t)dt}1/p{∫∞α[kλ(p)-p/p+λ-2(α+β/t-β)p+λ-2/p](t+β)1-λgq(t)dt}1/q其中θλ(q)=∫011/(1+u)λuq+λ-2/q-1du,且常数因子kλ(p)=B(p+λ-2/p,q+λ-2/q)为最佳值.     

最小公倍数函数的一个新的均值

利用初等方法以及Mangoldt函数Λ(n)的性质得到了包含L(n)的一个均值公式,即就是证明:对任意实数 x >1,有渐近公式 Σn≤x L(n 1) L(n) = Σk i=1 ci·x2 lnix O x2 (lnk 1 ) x 其中k 为任意给定的正整数,ci(i=1,2,…,k)为可计算的常数,且c1 =1.     

一类反应扩散方程的锐利条件

目的 证明反应扩散方程Cauchy问题{ut-Δu=up-uq-u,x∈Rn,t∈(0,T) u(x,o)=u0(x)≥0,x∈Rn其中1＜q＜p＜n 2/n-2,n≥3或1＜q＜p＜ ∞,n=2解(广义)的整体存在性及解的渐进性.方法 借助初边值问题及比较原理进行证明.结果 (i)当u0(x)≤(u)x时,上式存在L∞(Rn)整体解u(x,t), u(x,t)≥(u)x 在Rn×Rn上成立且u(x,t)Δ=u(t)∈Lm(Rn)(1≤m≤ ∞);(ii)当(u)x≠u0(x)≤(u)x时,tπ/2etu(x,t)≤C在Rn×R 上成立.结论 证明出了上式解(广义)的整体存在性及解的渐进性.     

最大值密度函数的收敛速度

{Xn, n≥1}为独立随机序列, F(x)为公共分布函数, Mn=max1≤i≤n{Xi}, 基于VonMises条件得到F∈D(G)时Mn的密度函数的收敛速度.     

离散随机变量序列完备及非完备样本最大值的联合分布

设离散随机变量三角阵列{Xn,k,k≤n,n≥1}存在数据缺失,对给定的n,Mn=max{Xn,k,k≤n}为第n行的最大值,M～n为该行观测到的随机变量的最大值,研究了离散型随机变量的分布函数某一参数变动时(M～n,Mn)的联合渐近分布.     

几类非连通并图的优美标号研究

证明了:对任意正整数ni,ti,s (i=1,2,…,s),当ni,ti ≥2时,图∪ s i=1 Kni,ti 是k 优美图;非连通并图(∪s i=1 Kni,ti )∪ (C3 ∨Km )和(∪s i=1 Kni,ti )∪ (P3 ∨Km )是优美图.推广了现有的一些结论.     

非平稳高斯序列最大值与部分和联合的几乎处处收敛

假定(Xn,n≥1)为标准化非平稳高斯序列,Mn=max{X2,1≤i≤n},Sn=(∑nt=1)X1分别为对应的最大值与部分和,在协方差函数满足适当条件下,得到了最大值与部分和联合的几乎处处收敛定理.     

广义Sierpinski垫上正交指数函数的个数

联系到扩张整矩阵和数字集M=[p1p4p60p2p50 0p3 ]D={[000],[100],[010],[001]的自仿测度μM,D是非谱测度.其中pi∈2Z+1(i=1,2,3);pi∈Z且|pi|>1(i=4,5,6);p2|p4且p3|pi(i=5,6).证明了在L2(μM,D)空间上最多存在4个相互正交的指数函数且4是最好估计.