部分线性回归模型中的自适应估计

考虑半参数回归模型y_i=x_iβ+g(t_i)+e_i,1≤i≤n;其中g(·)是未知函数,β是待估参数,e_i是随机误差. 本文首先在(x_i,t_i)是i.i.d设计点列下,当g(·)的估计取一类核估计序列时,构造了β的自适应估计β_n,同时给出了β_n及g_n^*(g的最终估计)的渐近最优强弱收敛速度;然后在(x_i,t_i)是固定非随机设计点列下,当g(·)的估计取一般非参数估计(包括常见核估计和近邻估计),讨论了β的最小二乘估计的渐近正态性.     

人造卫星照相观测中的一个高精度的计时方法——SBG计时系统的改进

本文对底片移动式跟踪系统提出了一个新的计时原理。方法是:在底片移动器上加装一套数字式位移测量装置。在每个标准时刻t_i对位移量S_i采样,将获得的数据(t_i,S_i)送入微型计算机处理,从而得出每一跟踪点的曝光时刻及计时精度的估计。结果表明,用此方法建立的计时系统是无迟滞的,精度为0.04ms。 此外,利用该系统可以对人造卫星跟踪照相机SBG原有计时系统进行详尽的研究,测定结果表明:SBG原计时系统的迟滞约为2.3ms,精度约为1ms。     

半参数回归模型小波估计的强逼近 *

考虑半参数回归模型y_i=x^T_iβ +g( t_i ) +e_i,i=1 ,2 ,… ,n ,其中 β∈R^d 为未知回归参数 ,g(·)为 [0 ,1 ]上的未知Borel函数 ,{x^T_i}为R^d 上的随机设计 ,{t_i}为常数序列 ,{e_i}为i.i.d .随机误差 ,Eei=0 .在适当的条件下 ,证明了 β和g(·)的小波估计 ^{^}β和^{^}g(·)的强相合性 ,并且得到了^{^}β和^{^}g(·)的强相合速度 .     

随机截断下半参数回归模型中的相合估计

对固定设计下的半参数回归模型 Y_i=x_iβ+g(t_i)+ε_i,i=1,2,…,n,当Y_i因受某种随机干扰而被右截断时,分别就截断分布已知与未知两种情形,利用所获的截断观察定义了参数β和回归函数g(·)的估计,并证明了它们均具有强相合性与P(≥2)阶平均相合性.     

关于覆盖同余式组的一个注记

In this paper, it is shown that., if x≡α_i(mod n_i)(i=1,…,k),112<…k,0≤α_ii is a covering sets of residue classes, there exist two distinct pairs of integer number n_i,n_j(is,n_t(si,n_j)>1, (n_s,n_t)>1, where (a,b) is the greatest common divisor of a,b.     

m（n）－相依样本非参数回归残差密度的相合估计

考虑非参数回归模型：Ｙ_i＝Ｍ（Ｘ_i）＋ｅ_i，其中Ｍ（ｘ）为Ｂ（?Ｒ）上的未知实函数，（Ｘ_i，Ｙ_i）为来自（Ｘ，Ｙ）的ｍ（ｎ）相依样本，残差（ｅ_i）具有公共的未知密度ｆ（ｘ）．本文基于残差估计给出了ｆ（ｘ）的一种非参估计，并证明该估计具有逐点相合性，一致相合性及Ｌ₁相合性．     

无失效数据情形失效率的估计及其应用

该文对指数分布的无失效数据,在失效率　的先验密度的核为　ａ－１时,给出了失效率　的Ｂａｙｅｓ估计和多层Ｂａｙｅｓ估计．并对某液压电动机,在寿命眼从指数分布时,给出了该液压电动机无失效数据情形可靠度的估计．     

指数分布无失效数据的多层Bayes分析

韩明等．指数分布无失效数据的多层Ｂａｙｅｓ分析．数理统计与管理，１９９８，１７（４），２４～２７．本文对指数分布无失效数据的失效率，在先验分布为Ｇａｍｍａ分布时，给出了多层Ｂａｙｅｓ估计。最后，结合实际问题进行了计算     

固定设计下混合序列回归函数的小波估计

考虑非参数回归模型Ｙ_i＝ｒ（ｔ_i）＋ε_i,其中ｔ_i为固定设计点列,｛ε_i｝为ρ混合相依随机变量,本文用小波方法建立ｒ（ｔ）的估计ｒ（ｔ）,并讨沦了它的渐近无偏性,弱收敛,强收敛,及其收敛速度,     

无失效数据的Bayes和多层Bayes估计

对无失效数据的研究 ,是近些年来遇到的一个新问题 ,在实际问题中迫切需要解决 ,这项工作具有理论和实际应用价值 .本文对无失效数据 (ti,ni) ,在时刻ti 的失效概率pi=p{T 相似文献   

THE STRUCTURE OF $\[\Pi \]$ SPACES (I)

The spectral theory of selfadjoint operators and unitary operators in Hilbert space has been successfully generalized to $\[{\Pi _k}\]$ space. However, there are only a few results for the spectral theory of selfadjoint operators and unitary operators in $\[\Pi \]$ space. One of the important reasons is that the structure of $\[\Pi \]$ space is more complex than that of $\[{\Pi _k}\]$ space. This paper and the forthcoming paper "The structure of $\[\Pi \]$ space (II)" will mainly be dealt with the structure of $\[\Pi \]$ spaces, which will be used to further study the operators in $\[\Pi \]$ spaces.     

Reciprocating the Regular Polytopes

For reciprocation with respect to a sphere x²=c in Euclideann-space, there is a unitary analogue: Hermitian reciprocationwith respect to an antisphere u=c. This is now applied, forthe first time, to complex polytopes. When a regular polytope has a palindromic Schläfli symbol,it is self-reciprocal in the sense that its reciprocal ', withrespect to a suitable concentric sphere or antisphere, is congruentto . The present article reveals that and ' usually have togetherthe same vertices as a third polytope ⁺ and the same facet-hyperplanesas a fourth polytope ^– (where ⁺ and ^– are againregular), so as to form a ‘compound’, ⁺[2]^–.When the geometry is real, ⁺ is the convex hull of and ', while^– is their common content or ‘core’. For instance,when is a regular p-gon {p}, the compound is The exceptions are of two kinds. In one, ⁺ and ^– are notregular. The actual cases are when is an n-simplex {3, 3, ...,3} with n4 or the real 4-dimensional 24-cell {3, 4, 3}=2{3}2{4}2{3}2or the complex 4-dimensional Witting polytope 3{3}3{3}3{3}3.The other kind of exception arises when the vertices of arethe poles of its own facet-hyperplanes, so that , ', ⁺ and ^–all coincide. Then is said to be strongly self-reciprocal.     

无失效数据失效概率的Bayes估计

本文对无失效数据(ti,ni)在ti 时刻的失效概率pi= P｛T< ti｝的先验密度的核为(1- pi)k时,给出了pi 的Bayes估计和多层Bayes估计,由此可以得到无失效数据可靠度的估计.最后,结合实际问题进行了计算.     

电器无失效数据的Bayes可靠性分析

通过利用分布函数的凸凹性合理的构造了无失效数据(ti,ni)在ti时刻失效的概率pi=p{Tti}的一类先验分布,利用贝叶斯定理给出了无失效数据概率的一种估计.并根据算例验证该估计是合理的.     

关于Sigma-Pi神经网络中的逼近问题

研究Ｒ上不连续函数可作为Ｓｉｇｍａ－Ｐｉ神经网络激励函数的条件,给出了Ｒ一局部黎曼可积函数可作为Ｓｉｇｍａ－Ｐｉ神经网络激励函数的特征条件,本文的结果表明：局部黎曼可积函数作为Ｓｉｇｍａ－Ｐｉ神经网络激励函数的特征条件与连续函数时的情形是一致的。     

无失效数据的多层Bayes可靠性分析

本文对无失效数据（ti,ni）在时刻ti的失效概率pi＝p｛T＜ti｝的先验分布为不完全Beta分布时，给出了pi的多层Bayes估计，由此可以得到无失效数据可靠度的估计．     

无失效数据的多层Bayes分析

本文对无效数据（ｔ,ｎｉ）,在时刻ｔｉ的失效概率ｐｉ＝ｐ的先验分布不为完全Ｂｅｔａ分布Ｂｅｔａ（ｐｉ－１,λ;ａ,１）时,给出了ｐｉ多层Ｂａｙｅｓ估计,从而可以得到无失铲数据情形可靠度的估计。     

威布尔分布无失效数据失效概率的估计

通过讨论威布尔分布函数形状参数m的大小,给出各检测时刻失效概率pi的相互关系作为先验信息,得到pi(i=1,2,…,n)的Bayes估计,并且试验数据显示此种方法是可行的.     

非自伴算子代数间的等距代数同构

设Ｇｉ是满足第二可数性公理的、Ｈａｕｓｄｏｒｆｆ的、顺从的、ｒ－离散的、主的局部紧群胚，并且有一个紧开Ｇ－集覆盖；设Ｐｉ是Ｇｉ中含Ｇ＿ｉ￣０的开闭集，且满足及相应的模是具有性质ＤＣ的Ｃ（Ｇｉ）的子代数（ｉ＝１，２）．本文证明从Ａ（Ｐ１）到Ａ（Ｐ２）上的每一个等距代数同构可以扩张成从Ｃ（Ｇ１）到Ｃ（Ｇ２）上的Ｃ－同构，进一步，可以对Ｃ（Ｇ２）重新坐标化，使得这个Ｃ－同构可由一个群胚同构生成．     

On some properties of cohomotopy-type functors

It is shown that if II ⁿ ,n\s>2, are Chogoshvili's cohomotopy functors [1, 2, 3], then