广义线性回归拟似然估计的渐近正态性

研究了形如n∑i=1xi(yi-μ(xi′β))=0拟似然方程,在一定的条件下证明了拟似然估计βn的渐近正态性;并进一步证明了可用于β0大样本统计推断的渐近正态性结果．     

自适应设计广义线性回归多维拟似然估计的渐近正态性

本文研究了自适应设计下广义线性回归的拟似然方程∑ni=1xi(yi-μ(xi′β))=0,其中yi是q维向量,xi是p×q阶随机矩阵,在一定条件下证明了方程的解^βn具有渐进正态的性质.     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型g=μ(x'β0)+e中形如的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

非线性散度模型基于统计曲率的诊断统计量

设y1,y2,…,yn为n个独立随机变量,每个yi的概率密度为:设xi=(xi1,…,xiq)T(q0,i=1,…,n,且α(·,·)为一适当函数. β=(β1,…,βp)T为回归系数; μ=(μ1,…,μn)T为位置参数,且μi属于开区间Ω;i=     

污染数据半参数回归模型估计的渐近正态性

考虑半参数回归模型：yi=xiβ g(ti) e1,i=1,2,…,n,其中Ee1=0,Ee^2/1=δ2/1>0．假定y1,y2,…,y0受到另一独立同分布随机变量序列μ1,μ2,…,μn的污染,{μi}与{y1}独立,且仅能观察到污染数据.[ι]对由污染数据作出的参数β的估计βn,证明了它的强相合性．而本则证明了它的渐近正态性．     

多维拟线性退化抛物方程Cauchy问题解的唯一性和稳定性

本文证明了拟线性退化抛物方程 (e)u/(e)t=n∑i=1 (e)/(e)xi(aij(u)(e)u/(e)xi)+n∑i=1 (e)bi(u)/(e)xi -c(u), u(x,0)=u0(x),aij(u)ξiξj≥0,(A)ξ∈Rn 的Cauchy问题BV解的唯一性和稳定性.     

∑_(i=1)~n x_i／d_i表示的最小整数及其应用

设I(d1,…,dn)为方程∑i=1n xi/di≡0(mod 1),1≤xi≤di-1的解的个数．若I(d1,…,dn)>0,令L(d1,…,dn)为∑i=1n xi/di(1≤xi≤di-1)表示的最小整数．I(d1,…,dn),L(d1,…,dn)及它们的估计在有限域上对角方程解数的研究中具有重要作用．本文给出了等式成立的若干充分条件,这里ωi=gcd(di,lcm[dj:j≠i]),i=1,…,n．     

污染数据回归分析中估计的强相合性

考虑简单回归模型（Ⅰ）yi＝α＋xiβ＋εi，i＝1，2，…，n，与半参数回归模型（Ⅱ）yi＝xiβ＋g（ti）－εi，i＝1，2，…，n，其中Eεi＝0，Eεi2＝σ12．假定y1，y2，…，yn受到另一独立同分布随机变量序列μ1，μ2，…，μn的污染，且仅能观察到污染数据，｛μi｝与｛yi｝独立．对文[1]，[2]中给出的α，β，g（·）及污染参数v的估计，本文在适当的条件下，证明了它们的强相合性．     

一个分式型不等式定理及其应用

引理　若xi∈R ,i=1,2,…,n,则1)　1nΣni=1xαi≥1nΣni=1xiα(α≥1或α<0)2)　1nΣni=1xαi≤1nΣni=1xiα(0<α<1)注　此引理可由琴生(Jensen)不等式推出.因篇幅有限,这里不再赘述,读者可参阅参考文献〔1〕和〔2〕.定理1　若ai、bi∈R ,i=1,2,…,n,γ≥2或γ<0,β>0,则Σni=1aribβi≥n1-r β.Σni=1airΣni=1biβ证明　由已知和柯西不等式,得Σni=1bβiΣni=1aribβi=Σni=1bβi2Σni=1aγibβi2≥Σni=1bβi.aγibβi2=Σni=1aγ2i2(1)由引理1)和2),得Σni=1aγ2i2≥n2-γΣni=1aiγ及Σni=1bβi-1≥n-1 βΣni=1bi-β(β≥1或0<β<…     

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,