任给N个投影方向分布是正态,p维总体是正态吗?

本文鉴于Rosenberg例及统计中投影寻踪法给出了非正态密度的p维密度函数f(x),且f(x)在k(1≤k相似文献   

2007年普通高等学校招生全国统一考试 (湖南卷)数学(理工农医类)

一、选择题:本大题共10小题,共50分.1.复数(12 ii)2等于()A.4iB.-4iC.2iD.-2i2.不等式xx -21≤0的解集是()A.(-∞,-1)∪(-1,2]B.[-1,2]C.(-∞,-1)∪[2, ∞)D.(-1,2]3.设M、N是两个集合,则“M∪N≠”是“M∩N≠”的()A.充分不必要条件B.必要不充分条件C.充分必要条件D.既不充分又不必要条件4.设a、b是非零向量,若函数f(x)=(xa b)·(a-xb)的图象是一条直线,则必有()A.a⊥bB.a∥bC.|a|=|b|D.|a|≠|b|5.设随机变量ξ服从标准正态分布N(0,1),已知Φ(-1.96)=0.025,则P(|ξ<1.96)=()A.0.025B.0.050C.0.950D.0.9756.函数f(x)=4xx2--44x,…     

关于正态随机变量的线性函数的分布

<正> 关于正态随机向量有结论:一个n维正态随机向量(ξ_1,ξ_2,…,ξ_n)的线性函数a_1ξ_1+a_2ξ_2+…+a_nξ_n是一维正态随机变量,其中a_i,i=1,2,…,n是不全为0的实数。n个相互独立正态随机变量是n维联合正态的,故n个独立正态随机变量之线性函数是一维正态的。     

多维秩极限定理(Ⅰ)

<正> §1.记号定义 本文中,R_m表示m维向量空间,Z_m(Z_m~+)表示所有分量都是非负(正)整数的m维向量的全体.x∈R_m的第j个分量记作x~(j).对x_1,x_2∈R_m,记号x_1<(≤)x_2表示x_1~(j)<(≤)x_2~(j),j=1,…,m.此外,m元分布函数F(x)的第j_1,…,j_s(1≤j_1<…相似文献   

南京大学1981年研究生入学考试试题(三小时)

1.给定线性方程组Ax=b,其中A为m×n阶实矩阵,b为m维常向量,x为n维待定向量.试证明方程组对任意的b都最多只有一个解的充分必要条件为rank(A)=n,这时存在有n×m阶的左逆A,使BA=I_n.(18分)     

2007年普通高等学校招生全国统一考试 (天津卷)数学(理工类)

一、选择题:共10个小题,满分50分.1.i是虚数单位,12-i3i=()A.1 iB.-1 iC.1-iD.-1-i2.设变量x,y满足约束条件x-y≥-1,x y≥1,3x-y≤3,则目标函数z=4x y的最大值为()A.4B.11C.12D.143.“θ=23π”是“tanθ=2cos2π θ”的()A.充分而不必要条件B.必要而不充分条件C.充分必要条件D.既不充分也不必要条件4.设双曲线xa22-by22=1(a>0,b>0)的离心率为3,且它的一条准线与抛物线y2=4x的准线重合,则此双曲线的方程为()A.1x22-2y42=1B.4x82-9y62=1C.x32-23y2=1D.x32-y62=15.函数y=log2x 4 2(x>0)的反函数是()A.y=4x-2x 1(x>2)B.y=4x-2x 1(x>1)C…     

流形 RP(2k+1)上的光滑对合

本文证明了2k+1维实射影空间 RP(2k+1)上的光滑对合在等变协边意义下仅有 j+1种,它们是1,τ_0,τ_2,…,τ_(2i),其中 i 为满足2i≤k 的最大整数.     

关于一类随机矩阵特征根极限分布的注记

一 引言 考虑k个p维总体X_1,X_2,…,X_k。假定它们都服从正态分布,其均值向量分别是(ξ_(1i),ξ_(2i),…,ξ_(pi)),i=1,2,…,k,且具有共同的协方差矩阵∑=(σ_(ij)),i,j=1,2,…,p。考虑矩阵     

多维指数分布

本文讨论了服从多维指数分布的随机向量的各分量间的独立性与相关性，证明了诸分量相互独立的充分必要条件是它们两两无关；并证明了多维指数分布类在弱收敛下的封闭性．     

关于正态随机变量的独立性与相关性

众所周知．两个随机变量(向量)独立，则一定不相关，而不相关不一定独立；但不少初学者却误以为两个正态随机变量(向量)的独立性与不相关性是等价的，并由此导出一些理论上的错误．产生上述错误的根源也许在于对如下多元正态分布的性质了解不透彻：     

独立误差下线性回归最小二乘估计相和性的必要条件

对线性回归Yi=x'iβ+ei,i=1,…,n,…,其中x1,x2,…为已知P维向量,e1,e2,…为随机误差.本文证明了:如果e1,e2,…独立,每一个非退化,则是β的最小二乘估计相合的必要条件,注意此处对ei的期望和方差没有施加任何条件.     

随机截尾情形下正态分布参数的最大似然估计

设x1,…,xn,y1,…,yn是相互独立的随机变量,其中x1,…,xn服从相同的正态分布N(μ,σ2)或对数正态分布LN(μ,σ2),参数(μ,σ2)未知.我们的观测数据为(ti,δi), i=1,…,n,其中ti=min(xi,yi),δi=I(xi≤yi),这里I(·)为示性函数.基于上述数据,本文的主要结果是论证了(μ,σ2)的最大似然估计(MLE)存在的充要条件是下列条件至少一条满足:(1)有ti＜tj使δi=δj=1;(2)有ti＜tj使δi=1,δj=0.此外,我们还给出了MLE的计算方法和一些算例.     

中国剩余定理的几点应用

中国剩余定理在代数学里起着重要的作用 ,它是我们祖先智慧的结晶 .这个定理现在已被表述成极为一般的形式 ,这里我们采用多项式的语言来叙述它 ,但所使用的方法具有一般性 .在高等代数里 ,中国剩余定理和可以由它导出的 L agrange插值公式是处理许多多项式存在问题的基本工具 .例 1　设 p1( x) ,p2 ( x) ,… ,pn( x)是某个数域上两两互素的多项式 .证明对每个 1≤ i≤ n,存在多项式 fi( x) ,使得fi( x)≡ 1　 ( mod pi( x) )fi( x)≡ 0　 ( mod pj( x) ) ,这里 j≠ i.证明　因 p1( x)、p2 ( x)、…、pn( x)是两两互素的 ,故当 j≠ i时 ,( …     

2007年普通高等学校招生全国统一考试 安徽数学(理科)

一、选择题:本大题共11小题,共55分1.下列函数中,反函数是其自身的函数为A.f(x)=x2,x∈[0, ∞)B.f(x)=x3,x∈(-∞, ∞)C.f(x)=ex,x∈(-∞, ∞)D.f(x)=1x,x∈(0, ∞)2.设l,m,n均为直线,其中m,n在平面α内,“l⊥a”是“l⊥m且l⊥n”的A.充分不必要条件B.必要不充分条件C.充分必要条件D.既不充分也不必要条件3.若对任意x∈R,不等式|x|≥ax恒成立,则实数a的取值范围是A.a<-1B.|a|≤1C.|a|<1D.a≥14.若a为实数,2 ai1 2i=-2i,则a等于A.2B.-2C.22D.-225.若A={x∈Z|2≤22-x<8},B={x∈R||log2x|>1},则A∩(RB)的元素个数为A.0B.1C.2D.36.…     

一个加性混合幂丢番图不等式(Ⅰ)

本文证明了:如果λ1,…,λ6是非零实数,并且不同一符号,至少有一个λi/j(1≤i,j≤3) 是无理数,那么对任意实数η和ε>0,不等式|λ1x12 λ2x22 λ3x32 λ4s44 λ5x54 λ6x64 η|<ε有无穷多正整数解x1,…,x6．     

多维秩的极限定理(Ⅱ)

<正> 设■是m维随机向量族。对每n,j,以X_(nl)~(j)≤…≤X_(nk_n)~(j)记X_(nl)~(j),…X_(nl)~(j)的次序统计量，设l≤r-n~(j)≤k_n，并简记■，称■的秩化列。文献[1]中我们对一秩秩人列的极限分布进行了讨论，现在讨论变秩，即{r_n}满足时秩化列的极限分布问题.§1是准备工作,其中包括[2]关于一维结果的一点改进.§2讨论m维秩化列的极限分布.§3对二维情况得到了更完善的结果.最后,在§4中把我们在§2,§3中得到的结论用于多维次序统计量,推进了Siddiqui、Weiss等人的工作.     

关于线性模型中LS估计相合的条件

考虑线性模型yi=X_i~rβ+e_i i=1,2,…,其中β是未知的 p-维向量参数,{e_i,i≥1)为独立随机变量序列满足均值 Ee_i=0,r-阶矩 E|e_i|~r 有限,这里1≤r<2,i=1,2,….本文在某种意义下,建立了β的最小二乘(LS)估计的(1):r 阶矩相合的充分必要条件;(2):一元回归(即 p=1)的强相合的充分必要条件和对设计矩阵 X_n=(x_1,…,x_n)有某些约束下,多元回归中强相合的充分必要条件;(3):弱相合的充分必要条件.这里考虑所加条件的途径与以往文献中的途径完全不同.     

统计学入门(X)

二十、两个正态总体方差的比较20-1.两个正态总体样本方差比的分布,F分布 为对两个正态总体的方差进行比较和检验,我们首先讨论来自两个正态分布的独立样本的样本方差比的分布。这个分布称为F分布。 设 , 是相互独立的两个随机变量,的分布称为自由度为f1,f2的 F分布,记为F(f1,f2).其中f1和f2分别称为第一(分子)自由度与第二(分母)自由度,其顺序不能颠倒。显然F只能取正值,它的分布曲线的形状见图20—1. 与x2分布类似,我们可以定义F分布的上侧分位数。对任意概率p,可确定一个正数Fp(f1,f2),使得则Fp(f1,f2)称为自由度为f1,f2的F分布的上…     

二阶含阻尼项椭圆型微分方程解的振动与非振动的判定

利用Riccati技巧,对二阶含阻尼项椭圆型微分方程∑i,j=1N Di[aij(x)Djy]+∑i=1N bi(x)Diy+q(x)f(y)=0给出解非振动的必要条件,进而建立上述方程振动的充分准则.     

具有广义分解态射的广义(i,…,j)逆

本文研究范畴中态射的广义(i，…，j)逆，利用态射广义分解的性质给出了态射广义(i，…，j)逆存在的一些充要条件，导出了态射的广义Moore-Penrose逆的表达式，推广了态射(i，…，j)逆的相应结果．