可换序列变叙项极值的渐近分布

设X_(1,n) …,X_(N,n)是可换r. V. 无穷序列的一段,X_(1,n)~＊≤…≤X_(N,n)~＊为其顺序统计量,N=N(n)是与这些X(1,N)独立的正整值r. V.,n=1,2,….当k_n·n~(-(?))→α(0<α<∞,0<(?)<∞)时,本文得出了X_(N-k_n 1m)~＊的渐近分布。     

在对称群中一类正则图所确定的极大子群

对称群的极大子群之确定,在多值逻辑理论和有限自动机理论中都有着重要而广泛的应用,同时也是置换群理论中的一个基本问题。本文提出了k次对称群中一类新的极大子群,k=h~m,m≥3,h≥7。 设Г=(Ω,E)是一个无向正则图,其中顶点集Ω={(α_1,…,α_m)|α_i∈Ω_h={0,1,…,h-1},i=1,…,m},边集E={<α,β>|α=(α_1…,α_m),β=(β_1,…,β_m)∈Ω,a_i≠β_i,i=1,…。m};G是Г的所自同构作成之群。于是,(1)G是本原群,且 G={g|g(x)=g(x_1,…x_m)=(g_1(x_(σ(1))),…,g_m(x_(σ(m))),σ∈S_m (集合{1,…,m}上的对称群),g_i∈S_h(Ω_h上的对称群),i=1,…,m};(2)若h为奇数h=2n+1且n为偶数或h-1>m,则G是k次对称群S_k中的极大子群;(3若h为偶数且2(h-1)>m,则G是k次交代群A_k中的极大子群。     

PP 检验的渐近功效

投影寻踪(Projection Pursnit,简称 PP)是一种处理高维数据的统计方法,近年来借助于计算机的发展,它的理论得到了迅速的发展.假如(?)为一能反映统计性质的指标,对每个 p 维方向α,计算出(?)(α~(?)X_1,…,α~(?)X_(?)),从中找出使(?)(α~(?)?X_1,…,α~(?)X_(?))最大的方向α_0,通过研究数据α_0~(?)X_1,…,α_0~(?)X_(?) 的性质,来了解原数据 X_1,…,X_(?)的性质,这就是所谓数值 PP 的基本想法.如果用一维检验或估计统计量(?)作指标,则可得到多维检验或估计(?)(?)(α~(?)X_1,…,α~(?)X_(?)).见文献[2,3,5—7].在上述文章中这些检验和     

在对称群中一类正则图所确定的极大子群

对称群的极大子群之确定,在多值逻辑理论和有限自动机理论中都有着重要而广泛的应用,同时也是置换群理论中的一个基本问题.本文提出了 k 次对称群中一类新的极大子群,k=h~m,m≥3,h≥7.设Γ=(Ω,E)是一个无向正则图,其中顶点集Ω={(α_1,…,α_m)|β_i∈Ω_h={10,1,…,h-1},i=1,…,m},边集 E={α,β〉|α=(α_1,…,α_m),β=(β_1,…,β_m)∈Ω,α_i≠β_i,i=1,….m}:G 是Γ的所自同构作成之群.于是,(1)G 是本原群,且G={g|g(x)=g(x_1,…,x_m)=(g_1(x_σ(1)),…,g_m(x_σ(m))),σ∈S_m(集合{1,…,m}上的对称群),g,∈S_h(Ω_h 上的对称群),i=1,…,m};(2)若 h 为奇数 h=2_n+1且 n 为偶数或 h-1>m,则 G 是 k 次对称群 S_k 中的极大子群;(3)若 k 为偶数且2(k-1)>m,则 G 是 k 次交代群 A_k 中的极大子群.     

t-可约二部分竞赛图的得分表偶

设 T_(m,n)是 m×n 二部分竞赛图,(X,T)是 T_(m,n)的顶点集合 V(T_(m,n)的有序分划,其中|X|=m,|Y|=n.设 X={x_1,x_2,…,x_m},Y={y_1,y_2,…,y_n}.顶点x_1,x_2,…,x_m 在 T_(m,n)中的得分依次为 a_1,a_2,…,a_m,a_1≤a_2≤…≤a_m;y_1,y_2,…,y_n 在 T_(m,n)中的得分依次为 b_1,b_2,…,b_n,b_1≤b_2≤…≤b_n.记 A=(a_1,a_2,…,a_m),B=(b_1,b_2,…,b_n).有序向量偶(A,B)称为 T_(m,n)的得分表偶.反之,给定有序非负整向量偶(A,B),其中 A=(a_1,a_2,…,a_m),a_1≤a_2≤…≤a_m,B=(b_1,b_2,…,b_n),b_1≤b_2≤…≤b_n,是否存在 m×n 二部分竞赛图 T_(m,n),使得(A,B)是 T_(m,n)的     

关于自助 U-统计量的渐近性质

一、引言设 X_1,X_2,…,X_n 为来自分布 F 的独立随机变量,h(x_1,x_2)为关于两个变元 x_1,x_2对称的 Borel 可测函数。设 Eh(X_1,X_2)=θ,那么下面定义的 U-统计量     

双截尾柯西分布顺序统计量的概率性质

设{X_k,1≤k≤n}独立同分布,服从参数为μ,λ;A,B的双截尾柯西分布,X_(1,n),X_(2,n),…,X_(n,n)为其顺序统计量.本文给出X_(k,n)(1≤k≤n)的密度函数,X_(1,n),X_(2,n),…,X_(n,n)的联合密度函数,极端顺序统计量X_(1,n)和X_(n,n)的渐近分布以及X_(k,n)和X_(n-k+1,n)(k1)的渐近分布,并证明X_(1,n)和X_(n,n)是渐近独立的.     

向量有理插值的一个行列式公式

<正> 设由不同实数组成的实数序列为x_0,x_1,x_2,…,对应的有限向量序列为(?)_0,(?)_1,(?)_2,…,其中(?)_i=(?)(x_1)∈D~d定义若向量有理函数(?)_n(x)=(?)(x)/q(x),其中(?)(x)是d 维多项式值向量,q(x)是实多项式,满足:     

正态样本最大值与平均值之差的上侧分位数表

设 x_1,x_2,…,x_n 是来自正态总体 N(μ,σ~2)的随机样本,μ∈R,σ~2>0已知,记(?)_n为样本均值,x_(1)≤x_(2)≤…≤x_(n)是此样本的顺序统计量.Nair 和 Grubbs 提出以统计量 R_n=(x_(n)-(?)_n)/σ口进行某些统计检验.特别用以判断最大值是否异常数据.当然 R′_n=((?)_(n)-x_(1))/σ可用以判断最小值是否异常数据,R′_n 的分布与 R_n 相同.这检验的最优性质可由 Kudo 的方法来证.     

重截断和的渐近分布

设{X_n,n≥1}是i.i.d.随机变量序列,X_n,1≤…≤X_(n,n)是X_1,…,X_n的次序统计量。又设k_(n,1,) k_(n,2)是满足条件1≤k_(n,1)相似文献   

关于超平行体的几个不等式

设x_1,x_2…,x_m是n维内积空间R~n中的向量,以这m个向量为棱所构成的超平行多面体的体积记为V[x_1,x_2,…,x_m],则经典的Hadamard不等式可表述为: 其中‖x‖=(x,x)~(1/2).     

关于超平行体的几个不等式

设x_1,x_2,…,x_m是n维内积空间R~n中m个线性无关的向量,以这m个向量为梭所构成的超平行多面体的体积记为V[x_1,x_2,…,x_m]。则经典的Hadamard不等式可表达为: V[x_1,x_2,…,x_m]≤multiply from k=1 to m(‖X_k‖)     

E^n中P维与q维平面间的夹角公式

本文将柯西不等式进一步推广为[α_1β,…,α_mβ][α_iα_j]~(-1)[α_1β,…,α_mβ]~T+(|α∧|β~2)/(|α|~2)≤β~2其中β=b_1∧…∧b_q,q≤p≤n,α_i 是从 p 个向量α_1,…,α_p 中任取 q 个作成的 q 重向量,m=c_p~q.接着给出了 n 维欧氏空间 E~n 中 p 维与 q 维平面间的夹角公式:cos~2θ=[α_1β,…,α_mθ][α_iα_j]~(-1)[α_1β,…,α_mβ]~T/β~2用它导出了 n-1维球面型空间 S_(n-1,1)中关于单形(顶点 P_n 到对面上)的高 h_n 的公式.     

数据分层妙解方差最值问题

<正>定理^([1])假设第一层有m个数,分别为x_1,x_2,…,x_m,平均数为x,方差为s([1])假设第一层有m个数,分别为x_1,x_2,…,x_m,平均数为x,方差为s²;第二层有n个数,分别为y_1,y_2,…,y_m平均数为y,方差为t2;第二层有n个数,分别为y_1,y_2,…,y_m平均数为y,方差为t²,则样本方差b2,则样本方差b²=1/m+n[(ms2=1/m+n[(ms²+nt2+nt²)+mn/m+n(x-y)2)+mn/m+n(x-y)²].     

关于一个积分不等式的Djokovi(?)''''s猜想(英文)

在1965年,Djokovi,D.Z提出[1]:设x_0(1-α_1)(x_2-x_0)时,(4)不成立,一般说,(4)式是否成立和点x_0相似文献   

关于 U-统计量自助逼近的一点注记

设 X_1,X_2,…,X_n 是来自分布 F 的独立同分布子样,T(X_1,…,X_n;;F)是依赖 X_1,X_2,…,X_n 且与 F 有关的随机变量.又设 F_n 为基于 X_1,X_1,…,X_n 的观察值 x_1,x_2,…x_n 的经验分布函数,而 Y_1,Y_2,…,Y_n 为来自 F_n 的独立同分布子样.所谓自助(bootstrap)法,即是以 T(Y_1,…,Y_n;F_n)在 F_n 下的分布去估计 T(X_1,…,X_n;F)在 F 下的分布.Bickol 与Freedman 在[1]中讨论了 U-统计量自助逼近的可能性.设 h(x,y)为关于变元对称的 Borel     

均匀Ⅱ-型三角剖分上带边界条件的二元四次C~2样条函数空间

正1引言设矩形域Ω是一个闭长方形域[x_0,x_(m+1)]■[y_0,y_(n+1)],取x_0≤x_1≤,…,x_m ≤x_(m+1),y_0≤y_1≤,…,y_m ≤y_(m+1),并用直线簇x=x_i,i=1,…,m,y=y_j,j=1,…,n对Ω进行矩形剖分.在矩形剖分的基础上,连接其中各个小矩形胞腔的斜率为正的对角线所形成的三角剖分即为所谓的I-型三角剖分■,     

关于样本均值函数的不变原理

在[1]中,Hsu给出了简单随机样本的均值函数的中心极限定理,文[2]将它们推广到不同分布的情形。本文进一步考虑相应的不变原理。 假定 是m维随机向量,不失一般性可设。记ξ_(in)=1/n sum from k=1 to n (ξ_(ik)(i=1,…,m))。又设f(x_1,x_2,…,x_m)是在原点(0,0,…,0)的某一邻域内存在二阶连续偏微商的m元函数,文[1]、[2]讨论了的极限分布。我们进一步讨论由它们产生的随机函数的弱收敛性。记     

随机元序列的收敛性

Slutsky 曾经证明下述定理:设随机变数序列(?)分别依概率收敛于常数 α_1,α_2,…,α_k,即 (?),i=1,2…,k 对任一给定的 ε>0成立,则对任一有理函数 R(x_1,x_2,…,x_k)当 R(α_1,α_2,…,α_k)有意义时必有 R(ξ(1n)ξ(2n)…,ξ(kn))依概率收敛于 R(α_1,α_2,…,α_k)。文献[1]推广了上述结果证明了 R 为 R~t(k 维欧氏空间)上的 Borel 函数,并在(α_1,α_2,…,α_k)处连续的条件下 Slutsky 定理仍成立。上述定理及其     

实 Clifford 分析中的一个边值问题

考虑以 e_A=e_(α1)…e_(αh)(A={α_1,α_2,…,α_h)(?){1,2,3,…,n),1≤α_1<α_2<…<α_h≤n)为基底元素的实 Clifford 代数 A_n(R),其中 e_1=1,e_k~2=-1(k=2,3,4,…,n),e_ke_m e_me_k=0(k≠m,k,m=2,3,4,…,n).并用 V_n 表示由向量组 e_1,e_2,…,e_n 所张成的 A_n(R)的子空间,V_n 中元素为 x=(?)x_ke_k,A_n(R)中的