双下标随机变量顺序统计量和的一个强大数定律的推广

本文论证了当双下标随机变量的分布函数Ｆ（ｘ）满足∫∞－∞｜ｘ｜ｐｄＦ（ｘ）＜∞（ｐ＞２）时有强大数定律ｌｉｍｎ→∞１ｎ２∑ｎｉ＝１ｉＸ（ｎ）ｉ＝１２Ｅｍａｘ（Ｘｎ１，Ｘｎ２）ａ．ｓ．成立．其结果优于文献［１］．     

方差估计的随机加权分布的渐近展开—非独立同分布情形

设Ｘ１，．．．，Ｘｎ是一组独立的随机变量序列，设ＥＸｉ＝０，ＶａｒＺｉ＝μ２，ｉ＝１，２，．．．，ｎ，其中μ２是待估参数，当Ｘｉ，ｉ＝１，２，．．．ｎ给定后，分别用Ｄｎ＝ｎ∑ｉ＝１Ｖｉ（Ｘｉ－Ｘ）＾２－１／ｎｎ∑ｉ＝１（Ｘｉ－Ｘ）＾２及Ｕｎ＝ｎ∑ｉ＝１（Ｘｉ－Ｘ）＾２及Ｕｎ＝ｎ∑ｉ＝１Ｖｉ（Ｘｉ－ｎ∑ｉ＝１ＶｉＸｉ）＾２－１／ｎｎ∑ｉ－１（Ｘｉ－Ｘ）＾２两种形式的随机加权分布来逼近Ｔｎ＝１／ｎｎ∑     

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．设是的ＢｏｏｔｓｔｒａＰ量，施锡铨［１］在关于核ｈ的二阶矩的条件下，证明了：当ｎ→∞时，因此依分布收敛于标准正态变量．本文在关于核ｈ的４阶矩的条件下，讨论了Ｗｎ的分布渐近正态的一致性界限．     

相依样本下非参数回归函数递推型核估计的渐近分布

设（Ｘｉ，Ｙｉ）１≤ｉ≤ｎ为来自二元总体（Ｘ，Ｙ）的平稳，φ－混合样本，记ｍ（ｘ）△Ｅ（Ｙ│Ｘ＝ｘ），ｍ（ｘ）的一种递推型核估计为ｍｎ（ｘ）＝ｎ∑ｉ＝１ｈｉ＾－１Ｙｉｋ（（ｘ－Ｘｉ）／ｈｉ）／ｎ∑ｊ＝１ｈ＾－１ｊｋ（ｘ－Ｘｊ）／ｈｊ）。本文在一定的条件下证明了（ｎ／（ｎ∑ｊ＝１ｈ＾－１ｊ）＾１／２）（ｍｎ（ｘ１）－ｍ（ｘ１），ｍｎ（ｘ２）－ｍ（ｘ２），．．．ｍｎ（ｘｒ０）－ｍ（ｘｒ０））′依分布收     

空间R~m上分布的中性卷积

取定具下述性质的函数ｒ（ｘ）∈Ｃ∞（Ｒ）：（ｉ），τ（ｘ）＝τ（－ｘ），（ｉｉ）０≤τ（ｘ）≤１，（ｉｉｉ）τ（ｘ）＝１，当｜ｘ｜≤１／２，（ｉｖ）τ（ｘ）＝０，当｜ｘ｜≥１．单位序列｛τｎ（ｘ）｝，ｘ∈Ｒｍ和ｎ∈Ｉｍ，定义作τｍ（ｘ）＝τ（ｘ１／ｎ１）…τ（ｘｍ／ｎｍ），ｎ１，…，ｎｍ＝１，２，…．空间Ｄ’（Ｒｍ）中分布ｆ和ｇ的中性卷积ｆｇ定义作序列｛ｆｎ＊ｇ｝的极限，其中ｆｎ＝ｆ·τｎ．作者给出了一些新的卷积．     

一个反应扩散过程的门槛结果

本文讨论反应扩散方程Ｃａｕｃｈｙ问题（ｕｔ－△ｕ＝ｕ＾ｐ－ｕ＾ｐ－ｕ，Ｘ∈Ｒ＾ｎ，ｔ∈（０，Ｔ），ｕ（ｘ，０）＝ｕ０（ｘ）≥０，Ｘ∈Ｒ＾ｎ，解的整体存在性，渐近性质和Ｂｌｏｗ－ｕｐ问题，其中１＜ｑ＜ｐ＜ｎ＋２／ｎ－２，ｎ≥３或者１＜ｑ＜ｐ＋∞，ｎ＝２．得到门槛结果。     

秩为k的有限序列t—相交族

设ｎ，ｓ１，ｓ２，…，ｓｎ为正整数及Ｍ（ｓ１，ｓ２，…，ｓｎ）＝｛（ｘ１，ｘ２，…，ｘｎ）｜０ｘｉｓｉ，且ｘｉ为正整数｝．若ＦＭ（ｓ１，ｓ２，…，ｓｎ）满足：对任何ａ，ｂ∈Ｆ，都至少有ｔ个ｉ使ａｉ∧ｂｉ＝ｍｉｎ（ａｉ，ｂｉ）＞０，则称Ｆ为Ｍ（ｓ１，ｓ２，…，ｓｎ）中的一个ｔ－相交序列族．对ｘ＝（ｘ１，ｘ２，…，ｘｎ）∈Ｍ（ｓ１，ｓ２，…，ｓｎ），称ｒ（ｘ）＝∑ｎｉ＝１ｘｉ为ｘ的秩．本文讨论并得到当ｓ１＝ｓ２＝…＝ｓｎ时Ｍ（ｓ１，ｓ２，…，ｓｎ）中秩为ｋ的有限序列最大相交族，从而获得了由Ｅｎｇｅｌ和Ｆｒａｎｋｌ提出的一个关于有限序列相交族的公开未解问题在ｋｎ＋ｔ－１情形下的解．     

条件中位数L_1－模核估计的逐点相合性

设（Ｘ，Ｙ）．（Ｘ１，Ｙ１），（Ｘ２，Ｙ２），…为Ｒｄ×Ｒ１上ｉ．ｉ．ｄ．随机向量序列。Ｙ对Ｘ的条件中位数θ（ｘ）定义为在Ｘ＝ｘ时Ｙ的条件分布函数的中位数．校函数Ｋ（·）是Ｒｄ上正实值函数，对ｘ∈Ｒｄ，θ（ｘ）的Ｌ１－模核估计θｎ（ｘ）定义由（１）给出．本文中，我们将文献［４］的均匀核法推广至一般核的情况，并在定义了θ的Ｌ１－模核估计基础之上，研究了其逐点相合性质．     

任意m值随机变量序列与独立序列的比较及其极限性质

设｛Ｘｎ，ｎ≥１｝是在Ｓ＝｛１，２，…，ｍ｝中取值的随机变量序列，其联合分布为ｐ（ｘ１，…，ｘｎ），（ｐ１１，ｐ１２，…，ｐ１ｍ）（ｉ＝１，２，…）是Ｓ上的一列分布，ｋ∈Ｓ，Ｓｎ（ｋ，ω）是ｋ在序列Ｘ１（ω），Ｘｎ（ω）中出现的次数。ψｎ（ω）＝∑＾ｎｉ＝１ｌｏｇｐｉｘｉ－ｌｏｇｐ（Ｘ１，…，Ｘｎ）称为（Ｘｉ，１≤ｉ≤ｎ）相对于乘积分布∏＾ｎｉ＝１ｐｉｘｉ的对数似然比，Ｓｎ（ｋ，ω）－∑＾ｎｉ＝１     

强相依高斯序列超过数点过程与部分和的联合渐近分布

（Ｘｎ）为标准化平稳高斯序列,ｐｎ＝ＥＸ１Ｘｎ＋１,Ｎｎ为Ｘ１,Ｘ２,…,Ｘｎ对水平ｕｎ＝ｘ／ａｎ＋ｂｎ的超过数形成的点过程,Ｍｎ＾（ｋ）为Ｘ１,Ｘ２,…,Ｘｎ的第ｋ个最大值,Ｓｎ＝（ｎ）∑（ｉ＝１）Ｘｉ,ｐｎｌｏｇｎ→ｒ∈（０,∞）时,得到Ｎｎ与Ｓｎ、Ｍｎ＾（ｋ）与Ｓｎ的联合渐近分布。     

非退化扩散过程的极性的必要性

设Ｘ（ｔ）是一Ｎ维非退化扩散过程．设 Ｅ（０，∞）和 Ｆ ＲＮ都为紧集．本文给出了：Ｐ（Ｘ－１（Ｆ）∩Ｅ≠φ）＞０，Ｐ（Ｘ－１（Ｆ）≠φ）＞０和Ｐ（Ｘ（Ｅ）≠φ）＞０的充分条件．证明了：ｉ）设 Ｎ≥ ３，ａ）若 ｄｉｍ（Ｆ）＜Ｎ－２，则 Ｐ（Ｘ－１（Ｆ）＝φ）＝１； ｂ）若ｄｉｍ（Ｆ）＞Ｎ－２，则 Ｐ（Ｘ－１（Ｆ）≠φ）＞０； ｃ）存在 Ｆ１ ＲＮ，Ｆ２ ＲＮ，ｄｉｍ（Ｆ１）＝ｄｉｍ（Ｆ２）＝Ｎ－２，但有Ｐ（Ｘ－１（Ｆ１）＝φ）＝１，Ｐ（Ｘ－１（Ｆ２）≠φ）＞０．ｉｉ）设Ｎ＝１，ａ）若ｄｉｍ（Ｅ）＞１／２，则ｘ∈Ｒ１，Ｐ（Ｘ－１（ｘ）∩Ｅ≠φ）＞０；ｂ）存在Ｅ（０，∞），ｄｉｍ（Ｅ）＝１／２，使得ｘ∈Ｒ１，Ｐ（Ｘ－１（ｘ）∩Ｅ≠φ）＞０．以上这些结果，不仅仅是Ｂｒｏｗｎ运动的推广，即使就Ｂｒｏｗｎ运动的情形而言，其中有些结果也是新的．     

Poisson分布参数的渐近最优和可容许的经验Bayes估计

设Ｘ及（Ｘ１，Ｘ２…，Ｘｎ）分别为取自Ｐｏｉｓｓｏｎ分布Ｐ（θ）的当前样本和历史样本，参数θ的先验分布族Ｆ＝｛Γ（ｍ，β）：β＞０｝，其中ｍ＞０已知，Γ（ｍ，β）表示参数为（ｍ，β）的伽玛分布．对ｐ＞０，ｑ＞２的任意两个实数，记ｔｎ＝Ｘ＋∑ｎｉ＝１Ｘｉ＋ｐＸ＋∑ｎｉ＝１Ｘｉ＋ｐ＋ｑ＋（ｎ＋１）ｍ（Ｘ＋ｍ）则在平方损失函数ｌ（θ，ｄ）＝（θ－ｄ）２下，ｔｎ是θ的渐近最优和可容许的经验Ｂａｙｅｓ估计，而且收敛速度为Ｏ（１ｎ）．     

相依样本下条件密度双重核估计的强相合性

设（Ｘ１，Ｙ１），…，（Ｘｎ，Ｙｎ）是从取值于Ｒ＾ｐ×Ｒ＾ｑ的随机向量（Ｘ，Ｙ）中抽取的随机样本，在给定Ｘ＝ｘ的条件下Ｙ具有条件密度ｆ（ｙ│ｘ）。在本文中，我们考虑ｆ（ｙ│ｘ）的通常的和递归形式的双重核估计ｆｎ（ｙ│ｘ）＝ｎ∑ｉ＝１Ｋ１（Ｘｉ－ｘ／ａｎ）Ｋ２（Ｙｉ－６／ｂｎ）／〔ｂｎ＾ｑｎ∑ｊ＝１Ｋ１（Ｘｊ－ｘ／ａｎ）〕ｆｎ（ｙ│ｘ）＝ｎ∑ｉ－１Ｋ１（Ｘｉ－ｘ／ａｉ）Ｋ２（Ｙｉ－ｙ／ｂｉ）／ｎ∑ｊ     

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     

固定设计下半参数回归模型的参数估计的Bootstrap逼近

考虑固定设计下的半参数回归模型： ｙ_ｉ＝ｘ_ｉβ＋ｇ（ｔ_ｉ）＋ ｅ _ｉ,ｉ ＝１, ２,…; ｎ． 对利用一般非参数估计法结合最小二乘法得到的参数分量β和误差方差σ~２的估计量β_ｎ和σ_ｎ~２,通 过重抽样的方法构造了β_ｎ和σ_ｎ~２的 Ｂｏｏｔｓｔｒａｐ统计量β_ｎ~＊和 σ_ｎ~（＊２）,并证明了在给定原样本的条件下,ｎ~（１／２） （β_ｎ－β_ｎ）和（σ_ｎ~（＊２）－σ_ｎ~２）分别与ｎ~（１／２）（β_ｎ－β）和ｎ~（１／２）（σ_ｎ~２－σ~２）有相同的渐近分布．     

最佳L2局部逼近存在唯一的充分必要条件

本文给出了最佳Ｌ２局部逼近的存在唯一性定理，设ｆ∈Ｌ２（０，δ），Ｓｎ＝ｓｐａｎ（ｕ０，ｕ１，．．．Ｕｎ－１）Ｃ＾ｎ－１（０，δ），且ｄｅｔＷｎ（ｕ０，ｕ１，．．．ｕｎ－１；０）≠０，那么，当ｘ→０时，网（Ｐｘ（ｆ，Ｓｎ）收敛于Ｓｎ中某元素Ｐ０（ｆ，Ｓｎ）的充要条件为：ｆ＝Ｐｎ－１＋ｈ，其中Ｐｎ－１（ｔ）＝ｎ－１∑ｉ＝１ａｉｔｉ（ｈ，１）ｘ＝０（Ｘ＾ｎ），ｘ→０，且Ｐ０（ｆ，Ｓｎ）＝ＵＷ＾－１ｎＡ     

二维Landau-Lifshitz静态方程组的渐近性质

在本文中，我们讨论了ｕ∧（－Δｕ＋λ（ｕ，ｎ）ｎ）＝０，｜ｕ｜＝１，ｘ∈Ｂ１和ｕ＝（ｘ１，ｘ２，０）ｘ∈Ｂ１的轴对称解ｕλ的渐近行为，其中Ｂ１是Ｒ２中单位圆，ｕ＝（ｕ１，ｕ２，ｕ３）．我们证明了ｕλｕ∞在Ｈ２Ｂ１＼Ｂε，Ｒ３中．     

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）．     

一个高阶三点边值问题的可解性

本文考虑以下三点边值问题：ｘ＾（ｎ）＝ｆ（ｔ，ｘ，．．．，ｘ＾ｎ－１）（０≤ｔ≤１），ｘ（０）＝ξ１，ｘ＾（ｉ）（ｃ）＝ξｉ＋１（０≤ｉ≤ｎ－３），ｘ（１）＝ξｎ，其中ｃ∈（０，１）ｇｎ ξｉ∈Ｒ＾ｋ是给定的，利用基于度理论的一定不动点定理，得到了关于以上边值问题的某些存在唯一性结果。     

贪婪t－相交有限序列族

设Ｆ为有限序列族，对ａ＝（ａ１，ａ２，…，ａｎ）∈Ｆ，ａｉ为整数且０≤ａｉ≤ｓｉ（整数），记ｓ（ａ）＝｛ｊ｜１≤ｊ≤ｎ，ａｊ＞０｝，ｓ（Ｆ）＝｛ｓ（ａ）｜ａ∈Ｆ｝，及Ａ｛１，２，…，ｎ｝时Ｗ（Ａ）＝Пｉ∈Ａｓｉ．称Ｆ为贪婪ｔ－相交，如对任何ａ，ｂ∈Ｆ，至少有ｔ个ａｉ，ｂｉ＞０，且Ｗ（Ａ）≥Ｗ（（｛１，２，…，ｎ｝－Ａ）＋Ｂ）对任何Ａ∈Ｓ（Ｆ）及ＢＡ（｜Ｂ｜＝ｔ－１）成立．本文得到当ｓ１＞ｓ２＞…＞ｓｎ时的最大贪婪ｔ－相交有限序列族．