2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩40頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本碩士學(xué)位論義主要研究?jī)蓛蒒QD(Negatively Quadrant Dependent)隨機(jī)變量序列部分和之和的收斂性質(zhì).
   兩兩NQD列是一類非常廣泛的隨機(jī)變量列,后來(lái)的許多負(fù)關(guān)聯(lián)列都是在此基礎(chǔ)上繁衍出來(lái)的,如著名的NA列就是它的特殊情況之一,到目前為止,由于還未建立起一般的兩兩NQD列的矩不等式,因此,對(duì)兩兩NQD列的研究就顯得更為基本,更為困難.對(duì)NA列已獲得許多與獨(dú)立情形完全一樣的結(jié)果,但對(duì)兩兩NQD列,僅有M

2、atula得到了對(duì)于兩兩NQD隨機(jī)變量序列的Kolmogorov強(qiáng)大數(shù)定律.雖然王岳寶等獲得了兩兩NQD列的Baum和Katz型完全收斂定理,但由于加上了φ*(1)<1條件,所以還未達(dá)到獨(dú)立情形的結(jié)果.吳群英去掉了這一條件,給出了充分條件,同時(shí)得到了幾乎達(dá)到獨(dú)立情形一樣的兩兩NQD序列的Marcinkiewicz強(qiáng)大數(shù)定律、三級(jí)數(shù)定理等結(jié)果.張立新,王江峰則給出了兩兩NQD列部分和最大值的一般形式的完全收斂性的充分必要條件,取消了王岳寶

3、等討論兩兩NQD列時(shí)的附加條件φ*(1)   長(zhǎng)期以來(lái),人們立足于研究隨機(jī)變量序列部分和的極限性質(zhì),卻很少有關(guān)于部分和之和極限性質(zhì)的討論.實(shí)際上,對(duì)隨機(jī)變量序列部分和之和的極限性質(zhì)的研究,在理論和實(shí)踐中均是有必要的.最初對(duì)部分和之和的研究,是Resnike以及Anrold等在研究紀(jì)錄值的極限理論時(shí)發(fā)現(xiàn).而蘇淳、江濤、林口其等分別研究了獨(dú)立同分布隨機(jī)變景列部分和之和的強(qiáng)、弱大數(shù)定律和中心極限定理,得到部分和之和與部分

4、和有一致的收斂條件,但這僅限于隨機(jī)變量為獨(dú)立列的情形.宇世航等研究了NA列部分和之和的極限理論,得到了部分和之和的強(qiáng)、弱大數(shù)定律的條件,同時(shí)給出強(qiáng)平穩(wěn)列部分和之和的中心極限定理存在的條件.程建華則去掉強(qiáng)平穩(wěn)條件,得到非平穩(wěn)NA序列部分和之和的中心極限定理.
   本碩士學(xué)位論文正是在前人研究的基礎(chǔ)上,繼續(xù)探討兩兩NQD隨機(jī)變量序列部分和之和的收斂性質(zhì):第1章研究?jī)蓛蒒QD序列部分和之和的弱大數(shù)定律,通過(guò)給出一些等價(jià)條件,建立了弱

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論