Hill估计的重对数律

设{X_n,n≥1}是 i.i.d.序列,分布函数具有形式 F(x)=1-,x>0,其中 L(x)是缓慢变化函数,0相似文献   

概率度量空间中一类映象的不动点定理

J.Achari在[1]中证明了非阿基米得Menger空间中两个不动点定理。本文的目的是将[1]中的两定理的条件减弱,得到两个类似的定理。 以(?)表一切分布函数的集合,以H表一特殊的分布函数:H(x)=0,当x≤0;H(x)=1,当x>0。 定义1.一概率度量空间(简称为PM-空间)是一有序对(E,F),其中E是一抽象集,(?)是E×E→(?)的映象(记分布函数F(p,q)以F_(pq),且F_(pq)(x)表F_(pq)在x∈R的值),并     

条件L泛函的核估计及其Bootstrap逼近

设(X,y)为取值于 R~d×R~1的随机变量,X 具有边缘分布 F(x),Y 关于 X 的条件分布为 F(y|x).对于条件 L 泛函θ_1(x)=integral from n=0 to 1 J(y)F~(-1)(y|x)dy(1)θ(x)=integral from n=0 to 1 J(y)F~(-1)(y|x)dy+sum from j=1 to k a_jF~(-1)(p_j|x)(2)在[1]中曾给出了它们的近邻估计,并讨论了估计的渐近性质(其中 F~(-1)(x)=inf{t:F(t)≥x}).在本文中,我们将用核函数方法构造它们的另一类估计,并讨论估计的一些渐近性质.设(X_1,Y_1),(X_2,Y_2),…是(X,Y)的一个样本列,取 w_n_i(x)=K((x-X_i)/h_n)/sum from i=1 to n K((x-X_i)/h_n),其中 K 为 R~d 上的概率密度函数,并有0相似文献   

u统计量分布的非一致性速度

本文研究了独立同分布样本的 u 统计量分布的非一致性速度,得到了与独立和完全类同的结果。若 E|h(x_1,x_2)|~(2+δ)<∞,(0<δ<1),且 Eg_1~2(x_1)>0,则存在与 F(F为 h(x_1,x_2)的分布函数有关的ψ(u),当 n 充分大时,有|P((U_n)/(σ_n)≤x)-Φ(x)|≤((ψ(√n(1+|x|)))/(n~2(1+|x|)~(2+(?)))其中:ψ(u)是(u>0)上的有界减函数且有 lim(?)ψ(u)=0。     

半线性抛物型方程的双移动边界问题

本文运用Fourier方法和压缩映像不动点原理,证明了半线性抛物型方程的双移动边界问题 u_t=a~2u_(xx) F(x,t,u,u_x),(x,t)∈D_∞, u(l_1(t),t)=0,l_1(0)=0,t∈(0, ∞), u(l_2(t),t)=0,l_2(0)=l_0,t∈(0, ∞), u(x,0)=φ(x),0≤x≤l_0,φ(0)=φ(l_0)=0.解的存在唯一性,其中D_∞={(x,t)|l_1(t)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→ ∞).     

P0-函数箱约束变分不等式的正则半光滑牛顿法

1引言设X C R~n,F：R~n→R~n,变分不等式Ⅵ(X,F)是指：求x∈X,使F(x)~T(y-x)≥0,(?)_y∈X．(1)记i∈N={1,2,…,n},当X=[a,b]：={x∈(?)~n|a_i≤x_i≤b_i,i∈N}时,称Ⅵ(X,F)为箱约束变分不等式(也有些文献称为混合互补问题),记为Ⅵ(a,b,F)．若a_i=0,b_i= ∞,i∈N,即X=(?)_ ~n：={x∈(?)~n|x≥0}时,Ⅵ(a,b,F)化为非线性互补问题NCP(F)：求x∈(?)_ ~n,使x≥0,F(x)≥0,x~TF(x)=0．(2)     

函数因子法——非线性方程组求解中处理奇异问题的一种新方法

§1.引言 非线性方程组 F(x)=0,F:D?R~n→R~n (1.1)嵌入参数t,构成同伦H:[0,T]×D?R~(n 1)→R~n,使得 H(0,x~0)=0,H(T,x)=F(x),(1.2)这里T可以是有限的或 ∞,当T为 ∞时以极限过程代替求值.若 H(t.x)=0(1.3)存在连续解x(t):[0,T]→D,则非线性方程组(1.1)的解x~*=x(T).若(1.3)的解     

截断型分布族参数经验Bayes检验的收敛速度

§ 1.　Introduction　　SupposethatrandomvariableXhaspdf(forLebesguemeasure)f(x｜θ) =u(x)m(θ)I(θ ,b) (x) ,(1 )whereθ>a≥ 0 ,θisthetruncationparameterofourinterestandb≤+∞ ,u(x)ispositiveLebesgueintegrablefunctionon (θ,b) ,m(θ) =[∫bθ(u(x)dx] - 1 .ThehypothesistobetestedisH0 ;θ≤θ0 H1 :θ >θ0 , (2 )whereθ0 isaknownconstant.LetlossfunctionisL(θ ,a0 ) =b0 max(θ -θ0 ,0 )foracceptingH0 andL(θ,a1 ) =b0 max(θ0 -θ,0 )foracceptingH1 ,whereb0 isapositiverealnumber,D ={a0 ,a1 }isth…     

短区间的并集中整数及其m次幂的差的均值分布

本文研究了短区间的并集中整数及其m次幂的差的均值分布问题,给出了渐近公式.具体来说,设P是奇素数,1≤H≤p,实数δ满足0 δ≤1,整数m≥2.设I~((j))是(0,p)的互不相交的子区间,1≤j≤J,满足H/2≤|I~((j))|≤H,以及(y)_p表示y在模p下的非负最小剩余.定义I=∪_(j=1)~JI~((j)),并设X是模p的Dirichlet非主特征.证明了Σ x∈1 |x-(x~m)p|δp 1=1/p∫_0~([δp]) (Σ x∈1 x≤p-1-t 1+Σ x∈1 x≥t=1 1)dt+O(mJ~(1/2)P~(1/2)log~2 plog H),以及Σ x∈1 |x-(x~m)p|δp X(x)mJ~(1/2)P~(1/2)log~2 plog H.