退缩椭圆型方程的边值问题

<正> 在 R~n 的有界凸区域Ω上考虑椭圆型方程Lu≡sum from i,j=1 to n (a_(ij)(x)u_(xi)_(xj)+sum from i=1 to n b_i(x)u_i+c(x)u=f(x),(1)设对 x∈(?)及所有的实数组(ξ_1,ξ_2,…,ξ_n)sum from i,j=1 to n a_(ij)(x)ξ_iξ_j≥λ(x)sum from i=1 to n ξ_i~2≥0,a_(ji)(x)∈C(?),即算子 L(u)可能退缩而为退缩椭圆型算子。记(?)的边界为∑,∑上满足 sum from ij=1 to n a_(ij)n_in_j=0的点集为∑_0,(n_1,…,n_n)表示∑上的内单位法向量,∑_3=∑\∑_0,设其 n-1维测度非零,则对方程(1)可提如下的边值问题:     

二次指派问题的一个新的限界方法

二次指派问题(QAP)的数学模型是:min{z(x)=sum from i=1 to n sum from =1 to n a_(ip)x_(ip)+sum from i=1 to n sum from p=1 to n sum from j=1 to n sum from q=1 to n c_(ipjq)x_(ip)x_(jq)|x∈},(1)这里∈(n~2维布尔集)是满足如下约束的集合:sum from i=1 to n x_(ip)=1,1≤p≤n,(2)sum from p=1 to n x_(ip)=1,1≤i≤n,(3)x_(ip)=0,1,1≤i,p≤n.(4)因为 x_(ip)~2=x_(ip)并且有约束(2)和(3),我们可以约定 c_(ipjq)=0,当 i=j 或 p=q.如果所有二次项的系数都可以写成     

线性模型中误差方差估计的收敛速度

在通常的线性模型y_i=x′_iβ+e_i(i=1,…,n,…)中,设σ~2=Var(e_i),由前n次观测值y_1,…,y_n,可得基于残差平方和的σ~2的估计(?)_n~2,本文证明了:若随机误差序列独立同分布,则对某个t≥1,E|e_1~2|~t<∞的充要条件为,对任给的ε>0,这样,对于(?)_n~2-σ~2的收敛速度,得到与同分布独立和情形同样优良的结果。     

B值随机指标和序列收敛速度的一个注记

本文给出了级数 sum from n=1 to ∞ (n~((q/p)-2)P{‖S_(τ_n)‖)≥δ(τ_n(φ(τ_n))~d)1/p}<∞ 成立的一个充分条件,其中δ为任意给定的正数,d=1或d=-1,q≥p,0相似文献   

非参数回归函数的基于截尾数据的估计

本文考虑截尾数据情况下非参数回归函数m(x)=E(Y|x)的估计。具体地讲,我们面对的是这样的数学模型:T是与(X,Y)独立的随机变量,我们观测到的不是Y本身,而是Z=min(Y,T)及δ=[Y≤T]。今有训练样本{(X_i,Z_i,δ_i)}_(i-1)及当前样本(X,z,δ),记ξ_i(·)=[z_i≥·], N~ (·)=sum from i=1 to n ξ_i(·), V_n(·)=multiply from i=1 to n{1 N~ (z_i)/2 N~ (z_i)}~[δ_i=_i<0], U_n(·)=sum from i=1 to n Wnt(x)ξ_i(·), 令 m_n(x)=integral from 0 to u_n U_n(y)|V_n(y)dy, 其中u_n=F_2~(-1)(n~(-a)),0<α<1/2为一实常数,F_2(·)=P(Y≥·)为Y的(右侧)分布函数。在权函数{W_(ni)(x)}_(i=1)~n及(X,Y,T)的分布函数满足一组条件下,我们证明了m_n(x)为m(x)的强相合估计,即:m_n(x)→m(x),a.s.(n→ ∞).     

具多滞量和正负系数中立型微分方程解的渐近性质

该文考虑多滞量和正负系数中立型方程[x(t)-sum from n=1 to l(1/n)C_A(t)x(t-r_n)] sum from i=1 to (1/i)P_i(t)x()t-τ_i)-sum from j=1 to n(1/j)Q_j(t)x(t-σ_j)=0,其中C_A(k=1,…,l),P_i(i=1,…,m),Q_j(j=1…,n)∈C([to,∞co),R~ ),0≤τ_l<…<τ_m,0≤σ_1<…<σ_n,0相似文献   

连续型C_mG_m(||X||)~2 multiply fromi=1 to m |x_i|~(2ri-1)的投影寻踪随机经验分布的极限分布

X为m维随机向量,X_1,X_2,…,X_n是来自母体X的子样;Z～N_m(0,I_m),{B_m>0}为实数列,经验分布■_n~(Z/Bm)(x)=1/n#{i: Z＇X_i/B_m0,那么■_n~(Z/Bm)(x)■N(0,σ~2)或■_n~(Z/Bm)(x)■φ(T_k),其中φ(T_k)为具有自由度为k的学生在T_k分布。     

方差分量组合的非负二次估计的可容许性

设有方差分量模型Y=X_β+U_(1ε1)+…+U_(NεN),其中XU_i已知,ε_1,…,ε_1相互独立。Eε_(if)=0,Eε_(if)~2=σ~2,Eε_(if)~3=0.Eε_(if)~4=3σ_i~4,这里(ε_(i1),…,ε_(in_i)εi。(β,σ~2)∈R~n×Ω为未知参数。Ω={(σ_1~2,…,σ_N~2):0≠sum from i=1 to n σ_i~2U_iU'_i≥0}。本文给出了Y'AY是sum from i=1 to n f_iσ_i~2在损失(Y'AY-sum from i=1 to N f_iσ_i~2)~2下在类{Y'BY:B≥0}中可容许估计的一个充分条件。同时也给出了Y'AY+l'Y+a是sum from i=1 to N f_iσ_i~2的可容许估计(在类{Y'BY+m'Y+b}中)的一个充要条件。研究了非负二次估计与局部最优估计之间的关系。     

线性时变系统的渐近稳定性

本文讨论一般时变系统(?)=A(t)x(1)的渐近稳定性.其中 x=(x_1,x_2,…,x_n)~T,A(t)=[a_(ik)(t)](i,k=1,2,…,n)是定义于 I=[τ, ∞)上的 n×n 矩阵.取向量模‖x‖=(sum from i=1 to n x_i~2)~(1/2).作为预备工作,首先考虑一般时变系统     

基于M—估计的误差密度估计

对于线性模型 Yi=x＇_iβ十e_i,i=1,2,...,{e_i}_(i= 1)~∞i.i.d.,e_1有未知密度函数f（x）,本文基于β的M-估计的残差:e_i=Yi—x＇_iβ,i=1,2,…,n,其中β为β的M-估计,用 f_n(x)=1/2na_n sum from i=1 to n I(x-a_ne_i^≤x a_n)估计f(x）,得到了这种估计的强收敛速度,一致强收敛速度,L_1-模相合性,渐近正态性,重对数律。     

关于Chowla的一个猜想

在1978年赫尔辛基的ICM会议上,Apry给出(3)=sum from n=1 to (?) (1/n~3)是无理数的证明。为此,Apry定义了一个迭代数列a_n: a_0=1,a_1=5,n~3a_n-(34n~3-51n~2+27n-5)a_(n-1)+(n-1)~3a_(n-2)=0,(1) 它满足 这里Chowla在[1]中讨论了Apry数a_n的同余性质,他证明了a_(5n+1)≡0(mod p),a_(5n+3)≡0(mod p)以及对于奇素数p恒成立a_p≡5(mod p~2)。在文章最后     

ρ-混合序列部分和乘积的几乎处处极限定理

设{X_n,n≥1}是一严平稳的ρ-混合的正的随机变量序列,且EX_1=μ＞0, Var(X_1)=σ~2,记S_n=Σ_(i=1)~n X_i和γ=σ/μ,在较弱的条件下,证明了对任意的x,,其中σ_1~2=1+2/(σ~2)∑_(j=2)~∞Cov(X_1,X_j),F(·)是随机变量e~(2~(1/2)N)的分布函数,N是标准正态随机变量,我们的结果推广了i．i．d时的情形．     

一个与Chebyshev多项式有关的极值

C[-1,1]表示[-1,1]上的连续函数空间,‖·‖_(?)是它的一致范数.又a=(a_0,a_1,…,a_n)∈l~(n 1),a_(i)∈R,记|a|_2=(sum from i=0 to n a_i~2)~(1/2).令和本文的主要目的是证明:     

也谈广义对角占优阵的特征值的分布

设A=(a_(ij))_(n×n)为n阶复矩阵,记 σ_i=sum from j=1,j≠i to n(|a_(ij)|,i=l,2,…,n)。若|a_(ij)|>σ_i(i=1,2,…n),则称A为(按行)严格对角占优阵,记为A∈D,若|a_(ii)|·|a_(jj)|>σ_iσ_j(i≠j,i,j=1,2,…,n)则称A为严格对角乘积占优阵,记为A∈D_p(在〔1〕中此类矩阵称为广义对角占优阵,并记为GD)。若存在非奇对角阵Q=diag(q_l,…,q_n)使Q~(-1)AQ∈D,则称A为准严格对角占优阵,记为A∈D′(见〔2〕)。若存在非奇对角阵Q=diag(q_1,…,q_n)使Q~(-1)AQ∈D_p,则称A为准严格对角乘积占优阵。记为A∈D′_p。     

有限状态马尔可夫链的某些研究

设(ξ_n,n≥0)是状态空间为{l,2,…,s}的不可约马尔可夫链,其转移概率矩阵是P.用v_(ni)表示在ξ_1,ξ_2,…,ξ_n中状态i出现的次数(i=1,2,…,s).用(q_1,…,q_2)表示对应于P的唯一平稳分布.设a_1,…,a_s是满足条件 q_1a_1 q_2a_2 … q_sa_s=0的任意实数. 在本文中,我们求出了v_(n1),…,v_(ns)的矩母函数,给出了1/n~(1/2) sum from 1 to 8 a_i v_ni及(v_n1-nq1)/n~(1/2),…,v_(ns)—nq_s/n~(1/2))的极限分布的明显表达式(当n→∞时)。一些有关的结果也得到了。     

B值随机指标和序列收敛速度的一个注记

本文给出了级数sum form m=1 to n(q/p)-2P{‖S_(τ_n)‖≥8(τ_n( (τ_n))~d)~(1/p)}<∞成立的一个充分条件,其中δ为任意给定的正数,d=1或 d=-1,q≥p,0相似文献   

带噪声的叠加指数信号的EVLP估计的渐近性质

本文研究了如下的带噪声中的指数信号模型 Y_j(t)=∑a(kj)λ_k~j e_j(t) t=0,1,…,n-1,j=1,2,…,N k=1 其中λ_1,λ_2,…,λ_q是未知的模为1的复参数,λ_(q 1),…,λ_p是未知的模小于1的复参数。并假设λ_1,λ_2,…,λ_p不相同,p已知,q未知,a_(kj)(k=1,p,j=1,N)为未知的复参数。e_j(t)(t=0,n-1,j=1,N)为独立同分布的复随机噪声变量,且有其中δ~2未知, Ee_1(0)=0,E|e_1(0)|~2=δ~2 0<δ~2<∞,E|e_1(0)|~4<∞ 本文给出了 1.q的强相合估计、 2.λ_1,λ_2,…,λ_q,δ~2及|a_(kj)|(k≤q)的强相合估计; 3.上述某些估计的极限分布; 4.λ_k及a_(kj)(k>q)不存在相合估计的证明; 5.N→∞情形的讨论。     

线性过程关于矩的重对数律的精确率

讨论线性过程Xk=∑∞i=-∞ai+kεi,其中{εi；-∞＜i＜∞}是均值为零,方差有限为σ2的双侧无穷独立同分布随机变量序列,{ai；-∞＜ i＜∞}为绝对可和的实数序列.令Sn=∑nl=1Xk,n≥1,假设|ε1|3＜∞,证明了对任意的δ＞-1,lim ∈↘0∈2δ+2∑∞n=1(㏒ ㏒ n)δ/n3/2㏒ nE{|Sn|-∈τ√2n ㏒ ㏒ n}+=√2τ√/√π(δ+1)(2δ+3)Γ(δ+2),其中τ2=σ2(∑∞i=-∞ai)2以及Γ(·)为Gamma函数.     

I_(01)逼近和多项式计算中的系数舍入(续)

一、I_(01)逼近的不唯一性 [1]中我们证明了I_(01)逼近定理,指出:若有偶多项式P_(2n)(x)=sum from k-0 to n (a_(2k)x~(2k)),x∈[-1,1],其系数满足0≤a_(2k)<1,k=0,1,…,n,则存在一个次数至多为2n且只以0和1     

实数的广义二进展式的一个概率性质

设0相似文献