负相协随机变量非随机和的差的精确大偏差

In this paper,we study precise large deviation for the non-random difference sum from j=1 to n_1(t) X_(1j)-sum from j=1 to n_2(t) X_(2j),where sum from j=1 to n_1(t) X_(1j) is the non-random sum of {X_(1j),j≥1} which is a sequence of negatively associated random variables with common distribution F_1(x),and sum from j=1 to n_2(t) X_(2j) is the non-random sum of {X_(2j),j≥1} which is a sequence of independent and identically distributed random variables,n_1(t) and n_2(t) are two positive integer functions.Under some other mild conditions,we establish the following uniformly asymptotic relation lim t→∞ sup x≥r(n_1(t))~(p+1)|(P(∑~(n_1(t)_(j=1)X_(1j)-∑~(n_2(t)_(j=1)X_(2j)-(μ_1n_1(t)-μ_2n_2(t)x))/(n_1(t)F_1(x))-1|=0.     

一维问题的一种积分形式的流量重构算法

1引言我们考虑如下一维二阶椭圆边界值问题(-(β(x)p′)(x))′=f(x),x∈(a,b) p(a)=p(b)=0(1))其中β=β(x)是一恒正函数,且β∈H~1(a,b),f∈L~2(a,b)．事实上,在此条件下,我们可保证p∈H~2(a,b)(见[1],[2])．(1)之弱形式为：求p∈H_0~1(a,b)使得a(p,q)=(f,q),(?)q∈H_0~1(a,b),(2)其中a(p,q)=(?)_a~bβp′q′dx,(f,g)=(?)_a~bfqdx．给定(a,b)的一个分割α=x_0＜x_1＜…＜x_(n-1)＜x_n=b,令h=(?)(x_i-x_(i-1)),(?)_i表示通常相应于节点x_i的形状函数,即(?)_i是连续的分段线性函数且满足(?)_i(x_k)=δ_(ik),这里δ_(ik)=(?)i,k=0,1,…,n．又记V_h~0=span{(?)_1,(?)_2,…,(?)_(n-1)),取V_h~0作为p的逼近空间,则求解(1)的标准有限元格式为：求ph∈V_h~0使得     

线性模型中的一个假设检验问题(英文)

本文讨论了多元线性模型中的一个假设检验问题。假定 的各行独立、正态、同协差阵Ⅴ。现在要检验假设H_0:存在矩阵C使θ=Cη是否成立。首先可将问题化为法式的形式,对法式分两种情况进行讨论: (一)V=σ~2I, σ~2未知。此时可求出θ, C,σ~2的最大似然估计(当H_0成立时)是中的资料阵y_1,y_2,d1,…,d_K是y′_3y_3的全部特征根。λ_1~*≥…λ_(p+q)~*是(y_1 y_2)(y′_1 y′_2)的全部 Λ=sum from j=p+1 to k /sum from j-1 to k d_j,λ_1≥λ_2…≥λ_k是y′_1y1+y′_2y_2的全部特征根。 (二)一般情形V未知。此时θ,C的估计量同前,可求出 (?)=1/n(y′_2T_(22)T′_(22)y_2+y′_3y_3).H_0相应的Lawley不变检验是 sum from j=p+1 to k β_j≥α_1,其中β_1≥β_2≥…≥β_k是y′1y_1+y′_2y_2的相对于y′_3y_3的全部特征根。 有关Λ的以及sum from j=p+1 to k β_j的极限分布将在另外的文章中讨论。     

具有大稳定域的线性多步方法

§1.引言 解常微分方程初值问题:的线性k步方法为 sum from j=0 to k (α_jy_(n j)=h sum from j=0 to k (β_jf_(n j),(2)其中α_0~2 β_0~2≠0,α_k≠0.当β_k≠0时,(2)为隐式k步法;当β_k=0时,(2)为显式k步法. 若将(2)应用于单个方程 y′=λy,Reλ<0,则得差分方程 ρ(E)y_n=μσ(E)y_(?),μ=λh,     

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)。     

混合幂的除数和（英文）

令S_k(x)=∑d(n_1~2+n_2~2+n_3~k),3≤k∈N.1≤n_1,n_2≤x~(1/2)1≤n_3≤x~(1/k)本文得到了渐近公式S_k(x)=A(k)x~(1+1/k)logx+B(k)x~(1+1/k)+O(x~(1+1/k-δ(k)+ε)),这里A(k),B(k)是只与k有关的常数,δ(3)=5/(42),δ(4)=1/(16),δ(5)=1/(40),并且当6≤k≤7时δ(k)=1/(k2~(k-1)),当k≥8时δ(k)=1/(2k~2(k-1)).     

由谱数据数值稳定地构造实对称带状矩阵

§1.引言 设r,n是正整数并且0r有a_(ij)=0.     

退缩椭圆型方程的边值问题

<正> 在 R~n 的有界凸区域Ω上考虑椭圆型方程Lu≡sum from i,j=1 to n (a_(ij)(x)u_(xi)_(xj)+sum from i=1 to n b_i(x)u_i+c(x)u=f(x),(1)设对 x∈(?)及所有的实数组(ξ_1,ξ_2,…,ξ_n)sum from i,j=1 to n a_(ij)(x)ξ_iξ_j≥λ(x)sum from i=1 to n ξ_i~2≥0,a_(ji)(x)∈C(?),即算子 L(u)可能退缩而为退缩椭圆型算子。记(?)的边界为∑,∑上满足 sum from ij=1 to n a_(ij)n_in_j=0的点集为∑_0,(n_1,…,n_n)表示∑上的内单位法向量,∑_3=∑\∑_0,设其 n-1维测度非零,则对方程(1)可提如下的边值问题:     

一个素变量丢番图问题

设k和r是满足k≥3及r≥Ψ(k)+1的正整数,这里当3≤k≤4时,Ψ(k)=2~(k-1);而当k≥5时,Ψ(k)=1/2k(k+1).假定δ和ε是给定的足够小的正数,λ_1,λ_2,…,λ_(r+1)是不全同号且两两之比不全为有理数的非零实数.对于任意实数η与0σ2~(1-2k)/r-1,证明了:存在一个正数序列X→+∞,使得不等式|λ_1p_1~k+λ_2p_2~k+···+λ_rp_r~k+λ_(r+1)p_(r+1)+η|(max(1≤j≤r+1)p_j)~(-σ)有》■X~(■-(2~(1-2k))/(r-1)+ε组素数解(p_1,p_2,…,p_(r+1)),这里(δX)~(1/k)≤p_j≤X~(1/k)(1≤j≤r)及δX≤p_(r+1)≤X.这改进了之前的结果.     

0-1分布及泊松分布的置信限的分析推导

设总体 X～b(1,p),p 未知.今有 X 的 n 个独立随机子样 X_1,X_2,…,X_n,记T=sum from i=1 to n X_i.众所周知,对给定的α(0<α<1),未知参数 p 的置信度为1-α的双边置信区间之上下限分别为 CL~*(T),CL(T).CL(T),CL~*(T)分别为下述方程(1),(2)之根:sum from k=T to n (?)R~k(1-R)~(n-k)=α/2 (T≠0),(1)sum from k=0 to T (?)R~k(1-R)~(n-k)=α/2 (T≠0).(2)即有 P_p(CL(T)≤p≤CL~*(T))≥1-α.     

指标在T_θ~d上变动的B-值I.I.D.R.V.’S的叠对数律

记B是可分Banach空间,X是B-值随机变量,N~d={■=n_1,…,n_d);n_i=1,2,…,i=1,…,d},T_θ~d={■∈=(n_1,…,n_d),θn_i≤n_y≤θ~(-1)n_4,i≠j,i,j=1,…,d},其中d≥2,0<1。本文研究指标在T_θ~d上变动的B-值i. i. d. r. v. ’s的四种类型的叠对数律(即BLIL~(θ,α)_1,BLIL~(θ,d)_2CLIL~(θ.D)_1和GLIL~(θ,d)_2,获得了X∈BLIL~(θ,α)_1、X∈BLIL~(θ,d)_2、X∈GLIL~(θ,d)_1和X∈GLIL~(θ,d)_2的充要条件。     

有限域上一类方程组解数的直接公式

本文给出有限域F=F_q(q=p~f,f≥1,p是一个奇素数)上一类方程组∑_(i=s_(r-1)+1~(s_r)∑_(j=1)~(m_i-m_(i-1))a_(m_(i-1)+j)x_1~(d_m(i-1)+j,1)…x_(n_i)~d_(m_(i-1)+j,n_i)=b_r,r=1,…,k当指数满足一定条件时,在F~(n_s_k)上解数的一个直接公式,这里d_(ij)＞0,a_i∈F~*,b_i∈F,0= s_0＜s_1＜…＜s_k,0=m_0＜m_1＜…＜m_(s_k),0=n_0＜n_1＜…＜n_(s_k), m_1≤n_1,…,m_(s_k)≤n_(s_k)．     

均衡二部图中点不交的4-圈和6-圈（英文）

设G=(V_1,V_2,E)是一个均衡二部图满足|V_1|=|V_2|=n.令δ_(1,1)(G)=min{d(x)+d(y)|x∈V_1,Y∈V_2}.Amar猜想对任意的s个整数(n_1,n_2,…,n_s),n=n_1+n_2+…+n_s,其中n_i≥2.若δ_(1,1)(G)≥n+s,则G含s个点不交的圈,其长分别为2n_1,2n_2,…,2n_s(见[Discrete Math.,1986,58(1):1-10]).本文证明了若一个点数为4k的均衡二部图G满足δ_(1,1)(G)≥2k+4(k≥3),则G含k-3个4-圈和2个6-圈使得所有这些圈都是点不交的.     

Kantorovich 不等式的推广及其在线性模型参数估计中的应用

本文给出两类行列式之比|X′B~(-1)AB~(-1)X||X′A~(-1)X|/|X′B~(-1)X|~2和|X′B~(-1)AB~(-1)Y||Y′A~(-1)X|/|X′B~(-1)X||Y′B~(-1)Y|的上界,其中 A 和 B 是 n×n 阶正定矩阵,X 和 Y 是任意的秩为 k 的 n×k 阶矩阵。并讨论其在线性模型参数估计理论中的应用。本文的结果是 Khatri 和 Rao1981年结果的推广。设 A 是 n 阶正定矩阵,其特征根为λ_1≥λ_2≥…≥λ_n>0,对任意非零的 n×1向量 x,不等式((x′Ax)(x′A(-1)x))/((x′x)~2)≤((λ_1 λ_n)~2)/(4λ_1λ_n) (1)称为 Kantorovich 不等式。此不等式已有一系列的推广,在[1—4]中都对不等式(1)以不     

ON THE CONDITIONAL EDGE CONNECTIVITY OF ENHANCED HYPERCUBE NETWORKS

Let G =(V, E) be a connected graph and m be a positive integer, the conditional edge connectivity λ_δ~m is the minimum cardinality of a set of edges,if it exists, whose deletion disconnects G and leaves each remaining component with minimum degree δ no less than m. This study shows that λ_δ~1(Q_(n,k)) = 2 n,λ_δ~2(Q_(n,k)) = 4 n-4(2 ≤ k ≤ n-1, n ≥ 3) for n-dimensional enhanced hypercube Q_(n,k). Meanwhile, another easy proof about λ_δ~2(Q_n) = 4 n-8, for n ≥ 3 is proposed. The results of enhanced hypercube include the cases of folded hypercube.     

第42届IMO第2题隔离的推广

第42届IMO(2001年)第二题为:对所有正实数a、b、c,证明aa2 8bc bb2 8ca cc2 8ab≥1(1)文[1]将其推广为:设a,b,c∈R ,λ≥8,则aa2 λbc bb2 λca cc2 λab≥31 λ(2)文[2]给出了(2)的一个中间隔离:设a,b,c∈R ,λ≥8,∑a3=a3 b3 c3,则aa2 λbc bb2 λca cc2 λab≥(a b c)32∑a3 3λabc≥31 λ(3)并把(3)推广到n个字母的情形:设ai∈R (i=1,2,…,n),λ≥n2-1,则n∑i=1ani-2 1ani-1 λa1a2…anai≥(∑ni=1ai3n)32∑ni=1ain λna1a2…an≥n1 λ(4)本文给出(4)的推广,得到命题设ai∈R (i=1,2,…,n),n≥2,k∈R,0<α≤n-1,λ≥n1α-1,n则∑i=1k…     

关于高維射影空間共軛网論的研究(Ⅳ)

<正> 在n維射影空間S_n里考察这样的二共軛网A_i(u,ν)和A_i(u,ν),它們的网曲綫u和ν互相对应.如果把这二网的有关拉普拉斯叙列{…,A_(i-k-1),A_(i-k),…,A_(i-1),A_i,A_(i+1),…}和{…,A_(i-k-1)′,…,A_(i-1)′,A_i′,A_(i+1)′,…}按照同一指标的二网的对应互相联系起来,那末我們就称k維的二线性空間[A_(i-k-1)A_(i-k)…A_(i-1)]和[A′_(i-k-1)A′_(i-k)…A′_(i-1)]为对应空間,而且分別用∑_i和∑_i′記之,这里和以下都假定0<2k相似文献   

带噪声的叠加指数信号的EVLP估计的渐近性质

本文研究了如下的带噪声中的指数信号模型 Y_j(t)=∑a(kj)λ_k~j e_j(t) t=0,1,…,n-1,j=1,2,…,N k=1 其中λ_1,λ_2,…,λ_q是未知的模为1的复参数,λ_(q 1),…,λ_p是未知的模小于1的复参数。并假设λ_1,λ_2,…,λ_p不相同,p已知,q未知,a_(kj)(k=1,p,j=1,N)为未知的复参数。e_j(t)(t=0,n-1,j=1,N)为独立同分布的复随机噪声变量,且有其中δ~2未知, Ee_1(0)=0,E|e_1(0)|~2=δ~2 0<δ~2<∞,E|e_1(0)|~4<∞ 本文给出了 1.q的强相合估计、 2.λ_1,λ_2,…,λ_q,δ~2及|a_(kj)|(k≤q)的强相合估计; 3.上述某些估计的极限分布; 4.λ_k及a_(kj)(k>q)不存在相合估计的证明; 5.N→∞情形的讨论。     

一类重特征方程Goursat问题解的存在性中的离散现象

本文讨论下述Goursat问题■在原点的邻域中解析解的存在性(其中a,b,c为常数).结果如下:(i)若b≠1,3,5,…,则对任何解析函数ψ(x),问题(G_(a,b,c))恒有解析解;(ii)若b=2j+1(j≥0为整数),则问题(G_(a,b,c))有解析解的充要条件为 λφ~((j))(0)+φ~((j+2))(0)=0,若λ≠0, φ~((j+2l))(0)=0,l=1,2,…,若λ=0,其中λ=c-a~2/4,φ(x)=ψ(x)exp(ax/2). 在(i),(ii)两种情形中,均具体给出了解的形式.     

Hermite—A插值样条

设-∞<α相似文献