污染数据回归分析中参数的最小一乘估计

考虑简单回归模型：ｙｉ＝ｘ′ｉβ＋ｅｉ,ｉ＝１,…,ｎ。其中Ｅｅｉ＝０,Ｅｅ＾２ｉ＝σ＾２１。假设ｙ１,ｙ２,…,ｙｎ受到另一独立同分布随机变量序列μ１,μ,…,μｎ的污染,我们仅能观察到污染数据ｙ＾＊ｉ＝（１－ν）ｙｉ,ν为未知的污染参数。本文用污染数据给出了β的最小一乘估计,并证明了它的渐近正态性和相合性。     

关于学生氏U—统计量的渐近性质

设Ｘ１，Ｘ２，．．．，Ｘｎ（ｎ≥２）为ｉ．ｉ．ｄ随机变量，Ｕｎ为以ｈ（ｘ１，ｘ２）为对称核的Ｕ－统计量，Ｅｈ（Ｘ１，Ｘ２）＝θ，且σｇ＾２＝ＶａｒＥ〔ｈ（Ｘ１，Ｘ２〕－θ│Ｘ１│〉０。设σｇ＊＾＊＾２是σｇ＾２的Ｂｏｏｔｓｔｒａｐ量，施锡铨在关于核ｈ的二阶矩的条件下，证明了：当ｎ→∝时，σｇ＊＾＊＾２→σｇ＾２ａ．ｓ，因此Ｗｎ＝√ｎ（Ｕｎ－θ）／２σｇ＾＊＊依分布收敛于标准正态变量。本文在关于核ｈ     

一类指数型整函数值算子的逼近性质

设（Ｕσｆ）（ｘ）＝Σ↓ｋ∈Ｚｆ（Ｘｋ）Ａσ（Ｘ－Ｘｋ），Ｘｋ＝２ｋπ／σ，ｋ∈Ｚ，σ〉０，ｆ是Ｒ上的有界函数，而Ａσ（ｙ）＝２／σ∫σ０ｓｉｎ＾ｍ（σ－Ｘ）ｈ／ｓｉｎ＾ｍ（σ－Ｘ）ｈ＋ｓｉｎ＾ｍｘｈｃｏｓｘｙｄｘ，ｍ为奇自然数，０〈ｈ〈π／σ，本文研究了此插值算子的收敛与饱和问题。     

沿两类流形上的奇异积分的L^P有界性

本文讨论了如下奇异积分算子：Ｔｆ（ｘ）＝Ｐ．Ｖ．∫Ｒ＾ｎｆ（ｘ－Ｐ（ｙ））Ｌ（ｙ）ｄｙ，其中Ｐ（ｙ）＝（ｐ１（ｙ），ｐ２（ｙ），…，ｐｎ（ｙ）），Ｋ（ｙ）＝Ω（ｙ）／‖ｙ‖＾ｎ，∫Ｓ＾ｎ－１Ω（ｙ）ｄσ（ｙ）＝０。对满足一定条件的Ｐ和Ω∈Ｌ＾ｑ（Ｓ＾ｎ－１）（ｑ〉１），我们证明了Ｔ及其相应的极大奇异积分算子Ｔ＾＊都是Ｌ＾ｐ（Ｒ＾ｎ）上的有界算子。     

一个半参数回归模型中Cramer渐近有效性的充要条件

本文考虑模型Ｙｉ＝Ｘ＾γβ＋ｇ（Ｔ）＋ε，这里（Ｘ＾γ，Ｔ，Ｙ）是ｋ＋２－维随机向量，ｇ是未知光滑函数。ε均值为零方差有限的随机误差。本文明了β的最小二乘估计是Ｃｒａｍｅｒ渐近有效的充要条件是误差ε服从正态分布Ｎ（０，σ＾２）。     

半参数回归模型的估计的渐近性质

考虑半参数回归模型ｙｉ＝ｘｉ＾１β＋ｇ（ｔｉ）＋ｅｉ,１≤ｉ≤ｎ;其中ｇ为Ｒ上未知函数,σ０＾２＝Ｄ（ｅ１）柴根象等在１９９５年给出了β的二阶段估计βｎ,本文基于β１建立了σ０＾２的估计量σｎ＾２,研究了误差方差估计σｎ＾２的渐近正态性和强相合性,并且得到了可直接用于统计推断的统计量及其分布。     

次序统计量线性函数的随机加权逼近速度

设ｘ１，ｘ２，…ｘｎ（连续未知），Ｆｎ为经验分布函数，Ｈｎ（ｘ）为随机加权经验分布函数，。ｘｎ１≤ｘｎ２≤…≤ｘｎｎ为次序统计量．记以Ｆｎ取代σ２（Ｊ，Ｆ）中的Ｆ即得σ２（Ｊ，Ｆｎ）．     

关于有界二元密度函数的一个公式

设Ｆ（ｘ，ｙ）是二元连续型分布函数，ｆ（ｘ，ｙ）是其密度函数，本文的目的是给出公式α＾２Ｆ（ｘ，ｙ）／αｘαｙ＝ｆ（ｘ，ｙ）成立的一个充分条件。     

关于丢番图方程D1x^2＋2^mD2=y^n的解数

设Ｄ１、Ｄ２、ｍ、ｘ、ｙ是适合Ｄ１〉１，Ｄ２〉１，２├Ｄ１Ｄ２，ｇｃｄ（Ｄ１，Ｄ２）＝ｇｃｄ（ｘ，ｙ）＝１的正整数，ｎ是适合ｎ├ｈ的奇素数，其中ｈ是虚二次域Ｑ（√－２＾ｍＤ１Ｄ２）的类数。本文主要证明了：方程Ｄ１ｘ＾２＋２＾ｍＤ２＝ｙ＾ｎ至多有５．１０＾１６组例外解（Ｄ１，Ｄ２，ｘ，ｙ，ｍ，ｎ）而且这些解都满足了７≤ｎ〈８．５．１０＾６以及ｙ＾ｎ〈ｅｘｐ（ｅｘｐ（ｅｘｐ４６））。     

模糊群的若干性质

本文证明了下述结果：设μ是群Ｇ的模糊子群，那么１，若ν（ｘｙ＾－１）≥ｍａｘ（μ（ｘ），μ（ｙ），μ（ｘ）＝μ（ｙ）；２。若ｘμ＝ｙμ，则μ（ｘ）＝μ（ｙ）；３．μ是模糊正规子群当且仅当μｖ＝ｖμ。４本文指出［３］的命题２与定理６的证明都是错误的，但定理６的结论是正确的，本文给出一新的证明。     

一类离散型奇异积分算子

设｛αｋ｝∞ｋ＝－∞为正数缺项序列，满足ｉｎｆｋαｋ＋１／ｄｋ＝α＞１，Ω（ｙ′）为Ｂｅｓｏｖ空间Ｂ０，１１（Ｓｎ－１）上的函数，其中Ｓｎ－１为Ｒｎ（ｎ２）上的单位球面．本文证明：若∫Ｓｎ－１Ω（ｙ′）ｄσ（ｙ′）＝０，则离散型奇异积分ＴΩ（ｆ）（ｘ）＝∑∞ｋ＝－∞∫Ｓｎ－１ｆ（ｘ－αｋｙ′）Ω（ｙ′）ｄσ（ｙ′）和相关的极大算子ＴΩ（ｆ）（ｘ）＝ｓｕｐＮ∑∞ｋ＝Ｎ∫Ｓｎ－１ｆ（ｘ－αｋｙ′）Ω（ｙ′）ｄσ（ｙ′）均在Ｌ２（Ｒｎ）上有界．上述结果推广了Ｄｕｏａｎｄｉｋｏｅｔｘｅａ和ＲｕｂｉｏｄｅＦｒａｎｃｉａ［１］在Ｌ２情形下的一个结果     

具连续变量的线性时滞差分方程的振动性

本文研究如下具有连续变量的线性时滞差分方程ｙ（ｔ）－ｙ（ｔ－τ）＋∑ｍｊ＝１ｐｊ（ｔ）ｙ（ｔ－σｊ）＝０,ｔ≥０,其中ｐｊ（ｔ）∈ｃ（Ｒ＾＋,Ｒ＾＋）,０〈τ〈σ１≤σ２≤…≤ｍ,ｊ＝１,２,…,ｍ,获得了该方程的每个解都振动的若干充分条件,改进了现有文献中的结果。     

一个半参数可加模型中渐近性的一点注记

假设是一组光滑未知的函数，β＝（β１，…，βｐ）τｐ×１待估向量，ε是具有均值为０，方差为σ２的随机变量，基于模型我们构造了β的渐近正态估计以及具有收敛速度１／３的ｇ的估计．     

正态分布族的参数的经验Bayes估计的收敛速度

对于正态分布族｛Ｎ（μ，σ￣２）：－∞＜μ＜＋∞，σ￣２＞０｝，该文利用密度函数及其偏导数的核估计构造出参数θ＝（μ，σ￣２）的经验Ｂａｙｅｓ（ＥＢ）估计，并在一定条件下证明了θ的ＥＢ估计的收敛速度可任意接近于１．最后给出了一个实例．     

一个部份自回归模型的渐近有效性

本文考虑部分自回归模型Ｘｔ＝ｘｔ－１β＋ｇ（Ｕｔ）＋εｔ，ｔ≥１。这里ｇ是一未知函数，β是和待估参数，εｊ是具有０均值和方差σ＾２的ｉ．ｉ．ｄ．误差，Ｕｔｉ．ｉ．ｄ．服从［０，１］上均匀分布。     

二阶亚纯系数微分方程亚纯解的零点

该文得到：假设Ｂ为有理函数，在∞点有ｎ＞０阶极点，Ｈ０为有限级亚纯函数，且σ（Ｈ）＝β≠（ｎ＋２）／２．如果微分方程ｆ＂＋Ｂｆ＝Ｈ（ｚ）有亚纯解ｆ，那么最多除去一个例外解ｆ０外，其它所有亚纯解ｆ都满足λ（ｆ）＝λ（ｆ）＝σ（ｆ）＝ｍａｘ｛σ（Ｈ），（ｎ十２）／２｝．     

脉冲中立型时滞微分方程解的振动性

本文讨论一阶脉冲中立型时滞微分方程［ｙ（ｔ）＋Ｐｙ（ｔ－σ）］′＋Ｑ（ｔ）ｙ（ｔ－σ）＝０，ｔ０，ｔ≠ｔｋ，ｋ＝１，２，…，ｙ（ｔ＋ｋ）－ｙ（ｔ－ｋ）＝ｂｋｙ（ｔｋ），ｋ＝１，２，…，｛（Ｅ）这里τ，σ，Ｐ均为常数，τ＞０，σ＞０，Ｑ（ｔ）∈Ｃ（［０，∞），Ｒ＋），ｂｋ＞－１，ｋ＝１，２，…．分三种情况，Ｐ－１；－１＜Ｐ＜０；Ｐ＞０给出了方程（Ｅ）所有解振动的充分条件．     

对数正态分布场合无失效的BAYES验证试验方案

设产品的寿命服从对数正态分布ＬＮ（μ,σ＾２）,其中μ,σ分别是位置参数和尺度参数,本文运用了Ｂａｙｅｓ方法,分别给出了在μ未知,σ＾２已知;μ,σ＾２均未知两种情况下的无失效可靠性验证试验方案,对每一种情况都给出了一个具体的例子。     

样条空间S~μ_k（△）的维数

本文考虑了欧式空间Ｒ￣ｎ中任意单纯形剖分上的样条函数空间．证明了当ｋ≥（３μ＋１）２￣（ｎ－２）＋１时，计算任意单纯形剖分Δ上的ｋ次μ阶光滑样条空间的维数，可归结为计算每个σ－关联域（ｉ－单纯形σ∈Δ）Ｒ（σ）上的２￣（ｎ－ｉ－１）μ次μ阶光滑（ｉ≤ｎ－１）样条空间的维数。这里σ－关联域Ｒ（σ）是指Δ中所有包含σ的单纯形所成的单纯形剖分．     

矩阵损失下一般Gauss-Markov模型中回归系数的线性MINIMAX估计

设Y是具有均值Xβ和协方差阵σ2V的n维随机向量，Sβ是线性可估函数，这里X，S和V0是已知矩阵，β∈Rp和σ2＞0是未知参数．本文在矩阵损失下研究了线性估计的Minimax性．在适当的假设下，得到了Sβ的唯一线性Minimax估计（有关唯一性在几乎处处意义下理解）．