混合误差下回归权函数估计的强相合性

对非参数模型Ｙｉ＾（ｎ）＝ｇ（ｘｉ＾（ｎ））＋ξｉ＾（ｎ）,用权函数ｇｎ（ｘ）＝Σ↑ｎ↓ｉ＝１Ｗｎｉ（ｘ）Ｙｉ＾（ｎ）;估计ｇ（ｘ）,在误差为某些相依随机变量列下,我们获得了ｇｎ（ｘ）,的强相合性及一致强相合性。     

部分线性模型参数分量的L_1模估计的渐近正态性

考虑ｉ．ｉ．ｄ．观测数据（Ｔ１，Ｘ１，Ｙ１），…，（Ｔｎ，Ｘｎ，Ｙｎ），其中Ｔｉ∈［０，１］，ｕｉ为观测误差，β０为未知参数向量，ｇ０为未知函数．本文用分段多项式ｇｎ（ｔ）来逼近ｇ０（ｔ），求解得到β０的估计β和ｇ０的估计ｇｎ，其中ｎ是一个ｍ阶分段多项式类．在一定条件下，本文证明了渐近正态．     

异方差回归模型近邻型估计的相合性

本文研究异方差回归模型Ｙｉ＾（ｎ）＝ｇ（ｘｉ＾（ｎ））＋εｉ＾（ｎ）,ｉ＝１,…,ｎ,其中ｇ是右实函数,ｘｉ＾（ｎ）是非随机设计点列,εｉ＾（ｎ）是随机误差,文中定义了一类ｇ（ｘ）的近邻型估计ｇｎ（ｘ）＝（ｎ）∑（ｉ＝１）Ｗｍ（ｘ）Ｙｉ＾（ｎ）,得到了ｒ阶平均相全和渐近正态性,特别,在（∞）∑（ｎ＝１）（ｎ）∑（ｉ＝１）Ｅ／εｉ＾（ｎ）／＾ｓ／（ｎｉ）＾ｓ／ｒ〈∞,ｍａｘＥ（１≤ｉ≤ｎ）／εｉ（＾     

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。     

随机删失场合部分线性模型中的核光滑方法

考虑模型Ｙ＝Ｘβ＋ｇ（Ｔ）＋ｅ。其中ｇ为［０，１］上的未知光滑函数，β为一维待估参数，为不可观察误差．当观察受到随机删失时，本文基于核光滑和综合数据方法导出了β和ｇ的估计βｎ＊和ｇｎ＊证明了βｎ＊的渐近正态性，并获得了ｇｎ＊的非参数收敛速度Ｏ（ｎ－１／３）     

固定设计的时间序列半参数回归

考虑如下的半参数回归模型：Ｙｉ＝ｘＴｉ十ｇ（ｔｉ）＋εｉ（０≤ｉ≤ｎ）其中｛εｉ,０≤ｉ≤ｎ｝和｛εｔ,０≤ｔ≤ｎ｝有相同的联合分布,｛εｔ,－∞＜ｔ＜∞｝是具有零均值和有限方差δ２的严平稳α－混合时间序列．本文构造了上述模型中β,ｇ（ｔ）和ρ２的局部多项式估计,在适当的条件下,得到了估计的渐近正态性和收敛速度．在一定的假设下,β的估计是自适应的,而且ｇ（ｖ）（ｔ）（ｇ（ｔ）的第ｖ阶导数）的估计的收敛速度是最优的．     

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．     

高阶亚线性Duffing方程的周期解

在本文中，二阶亚线性Ｄｕｆｆｉｎｇ方程周期解存在的结果被推广到高阶Ｄｕｆｆｉｎｇ方：ｘ＾（２ｎ）＋ｇ（ｘ）＝ｐ（ｔ）＝ｐ（ｔ＋２π）（ｎ≥１）和ｘ＾（２ｎ＋１）＋ｇ（ｘ）－ｐ（ｔ）＝ｐ（ｔ＋２π）。     

变系数高阶中立型泛函数分方程的振动性与渐近性

考虑变系数高阶中立型泛函微分方程ｄ＾ｎ／ｄｔ＾ｎ（ｘ（ｔ）＋ｐ（ｔ）ｘ（ｔ－τ（ｔ））＋ｍ∑ｉ＝１Ｐｉ（ｔ）ｘ（ｔ－τｉ（ｔ）＝０，在－１＜ｐ（ｔ）≤０情形下解的振动性与渐近性，取消了Ｐｉ（ｔ）≥ｑｉ＞０的限制，改进以往的相应结果，本文结果时高阶泛函方程Ｘ＾（ｎ）（ｔ）＋ｍ∑ｉ＝１ｐｉ（ｔ）ｘ（ｔ－τｉ（ｔ））＝０也是适用的。     

变量满足多个线性关系且部分变量带误差的回归分析

考虑独立变量ａ１ｔ，ａｐｔ，它们满足ｍ（≥１）个线性回归关系，ｐΣｊ＝１ｂｉｊａｊｔ＝ｃｉ，ｉ＝１，ｍ，这些变量中的一些，比如ａｉｔ（ｉ＝ｒ＋１，ｐ）可以被确切观测到，而另一些变量的观测值带有误差。即ａｉｔ的观测值为ｘｉｔ＝ａｉｔ＋∈ｉｔ（ｉ＝１，ｒ，ｔ＝１，ｎ），而ｘｉｔ＝ａｉｔ（ｉ＝ｒ＋１，ｐ，ｔ＋１，ｎ），在?ｔ＝（∈１ｔ，∈ｒｔ）ｔ，ｔ＝１，ｎ为ｉｉｄ。且Ｅ∈ｔ＝０，Ｅ∈ｔ∈ｔｒ＝σ＾２Ｉ     

一些与Dyck路有关的数的恒等式

本文通过Cauchy留数定理和算子方法导出了一些形如∑_i=0ⁿ (-1)^n-i(n i)U_{m+k+i, k+i} =f(n) 和∑_i=0²ⁿ(-1 )ⁱ(2n i) U_{m+k+i, k+i} = g(n)的差分恒等式,这里U_{n, κ}表示Dyck路在不同条件下的计数公式,f(n),g(n)与m(n)只和n有关的函数.     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型 yi=xiβ+g( ti) +ei,i=1 ,2 ,… ,n,本文综合最小二乘法和一般加权方法 ,定义了 β,g( t)的估计量 βn,gn( t) .在误差为 NA序列时 ,得到了 βn,gn( t)的 r ( r≥ 2 )阶矩相合性 .     

部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１ｉｎ，其中σ２ｉ＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，ｅｉ是随机误差．对文［１］给出的基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计＾βｎ和加权最小二乘估计βｎ，我们在适当条件下证明了它们的强相合性．     

半参数回归模型估计的平均相合性

在误差序列为Lqmixingale情形下，给出了半参数回归模型中β和g(t)估计，研究了估计量的q阶平均相合性在较一般的条件下，得到了理想的结果     

对称群上的一类Cayley图的边传递性和Hamilton性

Let Sn be the symmetric group,g+I=(123i),g-I=(1i32) and M+n={g+I:4≤I≤n},then M+n is a minimal generating set of Sn,where n≥5.It is proved that Cayley graph Cay(Sn,M+n∪M-n) is Hamiltonian and edge symmetric.     

NA序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti)+ei,i=1,2,…,n,对误差{ei,1≤i≤n}为NA序列,在适当的条件下研究了未知参数β的小波估计的强相合,同时也得到了未知函数g(t)的小波估计的一致强相合.     

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。     

一类函数估计在负相协下的强一致相合性

对于半参数回归模型 yi=xiβ +g( ti) +ei,i =1 ,2 ,… ,n,对误差 {ei,1 i n}为 NA序列 ,在适当的条件下证明了未知函数 g( t) 的估计 gn( t) 的强一致相合性 .     

自由亚交换群的直积的检验元素

设Sri(i=1,2,…,n)为秩ri的自由亚交换群,G=Sr1×Sr2…×Srn为自由亚交换群的直积,本文证明了G有检验元素的充分必要条件为ri=2(i=1,2,…,n)．同时,还证明了g=(g1,g2,…,gn)为G的检验元素的充分必要条件是:gi∈S′2-1(i= 1,2,…,n),且{g1,g2,…,gn}为独立集．此外,我们给出了一类具体的检验元素．     

$NA$ 相依样本部分线性模型估计理论

考虑部分线性模型 ,其中误差为NA相依样本,具有公共未知分布函数G(·),卢为未知参数, g(·)为未知函数.本文首先建立β和g(·)的相合性估计βn和gn(·),然后基于βn和gn(·)构造出G(·)的非参数估计Gn(·),最后在适当条件下,建立了Gn(·)一致强相合于G(·).