正态—正态模式下,结构串联系统可靠度的置信下界

设X_1,…,X_niid.～N(μ,σ~2),Y～N(0,1),Y与X_1,…,X_n独立,Z_1,…,Z_m为N(μ,σ~2)的iid.样本,σ~2已知,μ未知,本文证明R=P_r{X_1≥Y,…,X_n≥Y}的MVUE存在的充要条件是m≥nσ~2/n+σ~2,得到R的MVUE和UMA置信下界。     

关于误差方差估计渐近正态收敛速度的上,下界

考虑线性回归模型 Y_■=x_4~′β+e_■ i=1,2,…设误差序列■,i≥1满足条件:e_■ i≥1 i.i.d.,Ee_1=0,Ee_1~2=σ~2>0,∞>Var e_1~2=τ~2>0。记■_n~2=1/(n-r){sum from j=1 to n e■-sum from k=1 to r (sum from j=1 to n a_(akj)■_j)~2} δ(n)=τ~(-2)E(■_1~2-σ~2)~2I_((|■-σ~2|≥■τ)+τ~(-3)n~(1/2)|E(■_1~2-σ~2)~3I_((|■_1~2-σ~2|<(nτ)~(1/2))+τ~(-4)n~(-1)E■_1~2-σ~2)~4I_((|■-σ~2|0使得■|P(■_n~2-σ~2)/(Var■_n~2)~(1/2))≤x)-Φ(x)|≤C(δ(n)+n~(-1/2)) ■|P(■_n~2-σ~2)/(Var■_n~2)~(1/2))≤x)-Φ(x)|+n~(-1/2)≥C_1δ(n)。     

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。     

满足AB=αBA的方阵A,B和AB的特征值的性质及其联系

设m阶方阵A,B满足AB=αBA,其中α=e~(2kπi/n),k,n为互素整数且n≥2.证明了σ(AB)■{α~(j-((n-1)/2))λ_AλB|λA∈σ(A),λB∈σ(B),j=0,1,…,n-1}及其它相关的结果,其中σ(A)表示方阵A的所有特征值的集合.     

一种场站设置问题中的几个结论

本文研究如下一种场站设置问题:设S是欧空间E~m中由有限个点A_1,A_2,…,A_n组成的集合.d(A_i,A_j)表示点A_i和A_j之间的距离.令σ(S)=Σ_(1≤i相似文献   

初等对称多项式的一个重要性质

对于变元x_1,x_2,…,x_n,若记σ_1(n)=∑x_1,σ_2(n)=∑x_1x_j,σ_3(n)=∑x_1x_jx_k,…σ_2(n)=(n),…,σ_n(n)为关于变元x_1,x_2,…,x_n的初等对称多项式。为方便起见,本文规定σ_o(n)=1,则当变元x_1,x_2,…,x_n为实数时,我们得到初等对称多项式σ_o(n),σ_1(n),…,σ_n(n)的一个重要性质: 定理对于实数变元x_1,x_2,…,x_n及σ_o(n),σ_o(n),     

算子n次方根的惟一性

B(H)表示定义在希尔伯特空间H上的所有有界线性算子的全体。对于A∈B(H),其中σ(A)和W(A)分别表示算子A的谱和数值域,N表示自然数集。关于算子A的n(n∈N)次方根,本文的主要结果是:(1)若σ(A)∩(-∞,0]=φ,则A有惟一的n次方根B∈B(H)且σ(B)(?)~(2/n)~o;(2)若(?)∩(-∞,0]=φ,则A有惟一的n次方根B∈B(H)且(?)(2/n)~o这里,S_(1/n)={λ∈C‖argλ|≤(1/2n)π}且S_(1/n)~o表示集合S+(1/n)的内部。     

ρ-混合序列部分和乘积的几乎处处极限定理

设{X_n,n≥1}是一严平稳的ρ-混合的正的随机变量序列,且EX_1=μ＞0, Var(X_1)=σ~2,记S_n=Σ_(i=1)~n X_i和γ=σ/μ,在较弱的条件下,证明了对任意的x,,其中σ_1~2=1+2/(σ~2)∑_(j=2)~∞Cov(X_1,X_j),F(·)是随机变量e~(2~(1/2)N)的分布函数,N是标准正态随机变量,我们的结果推广了i．i．d时的情形．     

两类分布函数的投影寻踪随机经验分布的极限分布

X为m维随机向量,X_1,X_2,…,X_n是来自母体X的子样,Z～N_m(0,I_m),{B_m>0}为实数列,经验分布 F~n_(Z/(BM))(x)=1/n#{i:Z＇X_4/B_40,X～N_m(u,V),若M→∞时, B_m~(-2)T_r(V)→σ~2,B_M~(-2)∥u∥~2→0,B_m~(-2)(T_r(V_2) 2u＇Vu)→0,那么 F_n~(Z/(Bm))(x)(?)N(0,σ~2) 当n→∞ m→∞。     

牛顿公式的一个初等证明

设x_1,x_2,…,x_n是一元n次方程x~n-σ_1x~(n-1)+σ_2x~(n-2)-…+(-1)~nσ_n=0的n个根,并设S_k=x_1~k+x_2~k+…+x_n~k(k=1,2,…),那么 当k相似文献   

A multidimensional central limit theorem with speed of convergence for axiom a diffeomorphisms

Let T:X → X be an Axiom A diffeomorphism,m the Gibbs state for a Hlder continuous function ɡ. Assume that f:X → R^d is a Hlder continuous function with ∫_X^fdm = 0.If the components of f are cohomologously independent, then there exists a positive definite symmetric matrix σ²:=σ² （f ） such that S^fn √ n converges in distribution with respect to m to a Gaussian random variable with expectation 0 and covariance matrix σ² . Moreover, there exists a real number A > 0 such that, for any integer n ≥ 1,Π( m*（ 1√ nS f n ）,N （0,σ² ） ≤A√n, where m*（1√ n S^fn）denotes the distribution of 1√ n S^fn with respect to m, and Π is the Prokhorov metric.     

线性回归模型的Bayes统计推断

Bayes方法虽融合了样本信息和先验信息，但利用的先验信息都是有历史经验和专家估计所得，因此可靠度不高。该文研究了正态线性回归模型：Y=Xβ＋e，e—N（0，σ^2。L），其中σ^2已知，β为未知参数向量，对传统的Bayes方法进行了改进，即把Bayes方法中的后验信息作为改进Bayes的无验信息并融合样本信息进行统计推断，在二次损失函数下得到了β的改进的Bayes估计。由于改进的Bayes方法的先验信息中有样本信息，因此其准确度比传统的Bayes方法准确度更高。     

关于A-收敛

设A={ai}（i=1）∞S_（e_1）~＋,其中S（e1）＋={x=（x（n））∈e1：‖x‖=1且x（n）≥0对任意的n∈N}.Banach空间X中的序列{x_n}称为A-收敛于x∈X是指对任意的ε〉0,→0当i→∞,其中A（ε）={n∈N：‖x_n-x‖≥ε}.这篇文章中,我们证明了该收敛可以用一个有限可加的概率测度加以刻画.我们对A-收敛与统计收敛的关系进行了讨论,证明了A-收敛为统计收敛完全取决于A的w~＊-拓扑性质.     

除数和函数对平方补数的均值

对于任意正整数n的平方补数c（n）,研究了其除数和函数σ（c（n））均值的渐近性,并利用解析方法得到了一个渐近公式。     

半参数回归模型中二阶段估计的渐近性质

给定半参数回归模型Y＝X′β g(T) e,其中β∈R^p是未知参数向量,g(t)是定义在[0,1]上的未知函数,e是随机误差,本文研究了β,,g(t)和σ2的估计量βn,gn(t)和σn^2,在适当的条件下证明了它们的渐近正态性,并给出了gn(t)的最优收敛速度。     

Convergence Rates of Wavelet Estimators in Semiparametric Regression Models Under NA Samples

Consider the following heteroscedastic semiparametric regression model:yi =XTiβ + g(ti) + σiei, 1 ＜ i ≤ n,where {Xi,1 ＜ i ＜ n} are random design points,errors {ei,1 ＜ i ＜ n} are negatively associated (...     

正态线性模型中误差方差的二次型估计的容许性

设Ｙ遵从Ｎ（Ｘβ，σ２Ｉｎ），秩（Ｘ）＜ｎ，在平方损失下，本交给出σ２的二次型估计在整个估计类中可容许的充要条件．     

几类B值拟鞅空间上的原子分解

设1〈P≤2,0〈n≤1,X是P一致可光滑空间的Banach空间,则对每个X值拟鞅f=（fn）n≥0∈pHn^σ（X）存在分解fn=∑k∈Zμkαn^k（n≥0）,并且｜｜f｜｜pHα^σ（X）＋｜｜R（f）｜｜α～inf（∑k∈μk^a）^1/a,这里a^k=（an^k）n≥（k∈Z）是一列（1,α,∞;p）拟鞅原子,并且在L^1中收敛,sup k∈z｜｜a^k＊｜｜n〈∞,（μk）k∈Z∈la是非负实数列．对于拟鞅空间pHa^s（X）和qKn（x）成立类似的结果．此外,利用拟鞅原子分解定理,证明了几个拟鞅不等式．     

一类Schrǒdinger算子的谱分析

本文研究了Hilbert空间L^2（R^2）上由势函数V（x）（V≥0,连续）给出的一类Schrǒdinger算子H=-△＋V的谱。本文的主要结果：（1）H的谱σ（H）不会出现本性谱与离散谱交替出现的情况,其谱要么是离散的,要么从infσcos（H）开始全是本性谱;（2）lim‖x‖→∞V（x）=∞是σcos（H）=φ的充要条件。（3）借助于讨论H的Zhis-lin谱,在一定的条件下。lim‖x‖→∞V（x）=0是σcos（H）=[∞,0）的充要条件。我们还提出了几个没有解决的问题。     

真拟弱几乎周期点和拟正则点

T为紧致度量空间X上的连续映射,M（X）为X上所有Borel概率测度.设x∈X,记Mx（T）为概率测度序列{1n∑n 1i=0δTi（x）}在M（X）中的极限点的集合,其中δx表示支撑集是{x}的点测度.记W（T）和QW（T）分别为T的弱几乎周期点和拟弱几乎周期点集.本文证明,如果（X,T）非平凡且满足specifcation性质,则存在x,y∈QW（T）／W（T）（称为真拟弱几乎周期点）,分别满足μ∈Mx（T）,x∈Supp（μ）和ν∈My（T）,y∈/Supp（ν）,回答了周作领等提出的公开问题.Mx（T）在弱拓扑中是紧致连通集,所以,要么是单点集,要么是不可数集.如果x∈QW（T）／W（T）,则Mx（T）是不可数集.一个自然的问题是,怎么刻画M x（T）是单点集的点x（这时x称为拟正则点）.本文给出M x（T）是单点集的充要条件.