1) weak convergence
弱收敛性
1.
In this article,we suggest and analyze two resolvent algorithms for solving variational inequalitis we aslo proof the strong convergence of the sequence generated by the algorithm and the weak convergence of the other sequence in their different conditions.
提出了两种与预解算子有关的迭代序列,得到了Hilbert空间中一类变分不等式的近似解,并证明了迭代序列在各自条件下的强收敛性和弱收敛性。
2.
It is discussed that on the weak convergence of sum of random variables in Hilbert Space and statistic S2n when P is not homogeneous distribution but interlaced distribution of independent random variables.
讨论了独立随机变量和在Hilbert空间中的某些弱收敛性以及它们所构造的统计量S2n的极限若分布情况。
3.
Using the counting process techniques, this paper discussed the consistency and weak convergence of the estimation for expected length of sojourn time for multistate life table; and gave the corresponding covariance matrix estimator and its asymptotic properties.
本文运用计数过程技术,给出了多状态寿命表的平均逗留时间的一个估计及其方差估计,讨论了这些估计量的均匀相合性与弱收敛性。
2) weak (weak~*) convergence
弱(弱~*)收敛
3) weakly unconditional convergence
弱无条件收敛性
1.
It is discussed that the relations between the convergence, absolute convergence, weakly unconditional convergence and unconditional convergence and summability of an infinite series ∑∞n=1x_nin a Banach space X.
研究了Banach空间X中的级数∑∞n=1xn的收敛性、绝对收敛性、弱无条件收敛性、无条件收敛性与可和性等概念之间的关系,证明了:当X为一般Banach空间时,无条件收敛性与可和性是等价的;当X为Hilbert空间时,弱无条件收敛性、无条件收敛性及可和性是等价的;当X为数域时,无条件收敛性与绝对收敛性及可和性是等价的。
4) Weak convergence
弱收敛
1.
Two theorems about judging locally weak convergence of measures;
判定测度局部弱收敛的两个定理
2.
Weak Convergence of the GI/GI/1 Queuing System
单服务台排队系统GI/GI/1的弱收敛性质
3.
W* convergence in E* space is even weaker than weak convergence,and in reflective space the two are equals.
在E*空间中W*收敛是比弱收敛还要弱的一种收敛,在自反空间中两者等价。
6) weak~* convergence
"*弱"收敛
补充资料：概率测度的弱收敛
概率测度的弱收敛
eak convergence of probability measores
【补注】概率测度弱收敛的一般背景是在完全可分度虽空间(n犯川C sPace)(X，p)(亦见完全空间(comP-letesPace);可分空间(sep娜blesP毗))上讨论的，p是距离，具有定义在X的BOrel子集上的概率测度召。，n二O，l，，…如果对定义在X上的每个有界连续函数f，当。~二时，有Jfd产。~了fd拜。，则称拜，弱收敛到产。.如果在X中取值的随机变量氦的分布是拜。，n=o，l，…，如果拼。弱收敛到群。就写作省。人‘。，并且称七。依分布收敛到么，(亦见依分布收敛(①n凭r罗nCe in dis苗bution)). 在概率论中使用最普通的距离空间是k维Euclide空间Rk，〔0，l]上连续函数空间C[0，11以及在仁O，11上右连续具有左极限的函数空间Dto，1]. 更为丰富的距离空间中的弱收敛比在Eucljd空间中的用处大得多.这是因为在R’中依分布收敛的各种各样的结果可由它借助于连续映射定理(conti-nuo璐maPping tl篮幻哪)导出.该定理说，如果在(x，，)中着。二‘。且映射儿:x~R是连续的(或至少是可测的，且P(尝。6D*)二O，其中D*是h的不连续点集)，则h(亡。)‘h(省。).在许多应用中极限随机元是Bro”.运动(Bro认们坦n mot」on)，它以概率1具有连续轨道. 最基本的弱收敛结果之一是关于和s。=艺夕_:x.，n)1，的L心璐ker定理(功nsker tll印reTn)，其中戈是具有EX:=0，EX)‘1，i=1，2，…，的独立同分布随机变量.可以这样来陈述其轮廓:在C【O，l]中，令S。=o，S。(t)二n一”，{SL。:l+(nt一[nt])·戈。t〕+、}，o(t(l，其中卜]表示x的整数部分，则功挑ker定理断言s。(t)车w(t)，其中w(t)是标准Brown运动.应用连续映射定理很容易提供对诸如~1、*‘。S*，max，、*‘。k一”2 15*l，艺又_:了(S*)。)和艺二_，:(s、，s*+1)等函数的依分布收敛结果，其中I是示性函数而下(“，b)=l，如ab<仇=0，其他.概率测度的弱收敛【W.山。皿到曰岁翔沈of声触晒ty~-，.留;c“浦aa cxo口”Moc、解妙~oc珊0益Me伽]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条