矩阵方程AXB=C的通解

本文给出了矩阵方程 Ａ_（ｍ×ｎ）Ｘ_（ｎ×５）Ｂ_（ｓ×）＝Ｃ_（ｍ×ｔ）有解且有无穷解的通解表达式 Ｘ＝Ｃ~（＊＊）＋［ｋ_（１１）ξ_１~Ｔ＋…＋ｋ_（１（ｎ－ｒ））ξ_（ｎ－ｒ）~Ｔ＋……ｋ_（ｓ１）ξ_１~Ｔ＋…＋ｋ_（ｓ（ｎ－ｒ））ξ_（ｎ－ｒ）~Ｔ］ ＋［Ｐ_（１１）η_１＋…＋Ｐ_（１（ｓ－１））η_（ｓ－１）……Ｐ_（ｎ１）η_１＋…Ｐ_（ｎ（ｓ－１））η_（ｓ－１）］~Ｔ（其中ｋ_（ｉｊ）;Ｐ_（ｉｊ）为任意常数;ξ_１…,ξ_（ｎ－ｒ）;η_１…,η_（ｓ－１）分别为Ａ_（ｍ×ｎ）Ｘ_（ｎ×１）＝０;Ｘ_（１×ｓ）Ｂ_（ｓ×ｔ）＝０的一个基础解系,Ｃ~（＊＊）为ＡＸＢ＝Ｃ的一个特解）及利用矩阵初等变换求其通解的方法．     

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．     

On the Moments of S_ny/(nφ(n))~(1/p) in p-type Space

§１．　ＩｎｔｒｏｄｕｃｔｉｏｎＩｎ１９６７，Ｔｅｉｃｈｅｒｐｒｏｖｅｄｔｈａｔ［１］Ｅ（Ｓｕｐｎ｜Ｓｎ｜ｎＬ２ｎ）ｐ＜＋∞，　ｉｆｆＥＸ２ｌｏｇ＋｜Ｘ｜Ｌ２｜Ｘ｜＜＋∞，ｐ＝２Ｅ｜Ｘ｜ｐ＜＋∞，ｐ＞２　　　　．　Ｗｈｅｒｅ｛Ｘ，Ｘｎ，ｎ≥１｝ｉｓａｓｅｑｕｅｎｃｅｏｆｉ．ｉ．ｄｒｅａｌｒａｎｄｏｍｖａｒｉａｂｌｅｓｗｉｔｈｍｅａｎｓｚｅｒｏ．Ｉｎ１９９５，Ｔｈｅｓｉｍｉｌａｒｒｅｓｕｌｔｓｈａｖｅｂｅｅｎｓｅｔｕｐｆｏｒｉ．ｉ．ｄｒａｎｄｏｍｖａｒｉａｂｌｅｓ｛Ｘ，Ｘｎｎ≥１｝ｗｉｔｈｍｅａｎ…     

强相依高斯序列超过数点过程与部分和的联合渐近分布

（Ｘｎ）为标准化平稳高斯序列,ｐｎ＝ＥＸ１Ｘｎ＋１,Ｎｎ为Ｘ１,Ｘ２,…,Ｘｎ对水平ｕｎ＝ｘ／ａｎ＋ｂｎ的超过数形成的点过程,Ｍｎ＾（ｋ）为Ｘ１,Ｘ２,…,Ｘｎ的第ｋ个最大值,Ｓｎ＝（ｎ）∑（ｉ＝１）Ｘｉ,ｐｎｌｏｇｎ→ｒ∈（０,∞）时,得到Ｎｎ与Ｓｎ、Ｍｎ＾（ｋ）与Ｓｎ的联合渐近分布。     

矩阵方程AX + XB=0求解初探

一、矩阵方程ＡＸ＋ＸＢ＝０解的判定命题＝设Ａ、Ｂ均为ｎ阶方阵,则矩阵方程ＡＸ＋ＸＢ＝０（＊）与矩阵方程Ｑ·Ｙ＝０等价;其中ＹＴ＝（ｘ１１,ｘ１２,…,ｘ１ｎ,ｘ２１,…,ｘ２ｎ,,ｘｎ１,ｘｎｎ）证明设Ａ＝（ａｉｊ）,Ｂ＝（ｂｉｊ）,Ｘ＝（ｘｉｊ）均为ｎ阶方务,则（＊）式等价于由矩阵相等关系知（＊＊）等价于下列ｎ组线性方程组现在就第（１’）式进行讨论,将（１’）展开为用矩阵表示为（ａ１１Ｅ＋ＢＴａ１２Ｅａ１３Ｅ…ａ１ｎＥ）Ｙ＝０（１’）其中ＹＴ＝（ｘ１１ｘ１２…ｘ１ｎ,ｘ２１…ｘ２ｎ…ｘｎ１…ｘ…     

回归函数非线性小波估计的一致强相合性

设（Ｘ_１,Ｘ_１）,…,（Ｘ_ｎ,Ｙ_ｎ）是从总体（Ｘ,Ｙ）中抽取的ｉ．ｉ．ｄ样本且服从［０,１］上的均匀分布．本文在平方积分损失下得到了回归函数ｇ（ｘ）＝Ｅ（Ｙ｜Ｘ＝ｘ）的非线性小波估计的一致相合性．     

数列x_（n＋2）＝x~2_（x＋1）／x_n的周期性

数列ｘ_（ｎ＋２）＝ｘ~2_（ｘ＋１）／ｘ_ｎ的周期性江西赣南师范学院熊曾润设数列｛Ｘｎ｝满足其中．本文探讨这类数列的周期性．引理若数列（Ｘｎ）满足（１）和（２），则它必定满足证明应用数学归纳法．（ｉ）ｎ＝１时，由（１）和（２）可得这表明ｎ＝１时等式（３?..     

ERDS-RE''''NYI大数律下自正则的效用

｛Ｘ，Ｘｉ，ｉ≥１｝是ｉ．ｉ．ｄ．ｒ．ｖ′．ｓ．在矩母函数存在的条件下，由古典的Ｅｒｄｏｓ－Ｒéｎｙｉ大数律有ｌｉｍｎ→∞ｍａｘ０≤ｋ≤ｎ∑ｋ＋［ｃｌｏｇｎ］ｉ＝ｋ＋１Ｘｉ［ｃｌｏｇｎ］＝α（ｃ），α（ｃ）为某常数．自正则下ＭｉｋｌóｓＣｓｏｒｇｏ＆ＳｈａｏＱｉｍａｎ（１９９４）在仅要求一阶矩的条件下就得到了：ｌｉｍｎ→∞ｍａｘ０≤ｋ≤ｎ∑ｋ＋［ｃｌｏｇｎ］ｉ＝ｋ＋１Ｘｉ∑ｋ＋［ｃｌｏｇｎ］ｉ＝ｋ＋１（Ｘ２ｉ＋１）＝β（ｃ），β（ｃ）为某常数．众所周知，自正则下人们往往在较弱条件下取得相应结果是因为：分母中的Ｘ能有效抵销分子中Ｘ较大而引起整个分式极限行为的波动．因此，在什么样的条件下，式ｍａｘ０≤ｋ≤ｎ∑ｋ＋［ｃｌｏｇｎ］ｉ＝ｋ＋１Ｘｉ∑ｋ＋［ｃｌｏｇｎ］ｉ＝ｋ＋１Ｘ２ｉ１－β［ｃｌｏｇｎ］β→ｒ（ｃ）成为非常有意思的问题，因为它将依赖于β的大小．本文给出，当０＜β≤１２时，只要Ｅ（Ｘ）≥０，上式就有有限极限．当１２＜β＜１时，则必须在矩母函数存在下，上式才有有限极限．并都求出了其极限表达式．     

完全与截尾样本时半参数回归模型估计的强相合性

对于固定设计下的半参数回归模型：ｙ_ｉ=ｘｉβ＋ｇ（ｔｉ）＋ｅｉ,ｉ＝１,…,ｎ．其中｛ｅｉ｝为独立随机误差序列（不必同分布）,且Ｅｅｉ＝０,Ｅｅｉ２＝σ_ｉ~２＞０．对完全和截尾样本,仿文献［２］给出了β、ｇ（·）的估计量,并证明了他们的强相合性．     

稳定分量过程的图集的Packing测度

本文考虑Ｒ~ｄ中具有如下形式的过程：Ｘ（ｔ）＝（Ｘ_１（ｔ），Ｘ_２（ｔ），…，Ｘ_Ｎ（ｔ）），其中Ｘ_ｉ（ｔ）为Ｒ~ｄｉ中指标为α_ｉ的稳定过程（１≤ｉ≤Ｎ），Ｘ_１（ｔ），…，Ｘ_Ｎ（ｔ）相互独立，ｄ＝ｄ１＋…＋ｄ_Ｎ．通过讨论过程Ｇ（ｔ）＝（ｔ，Ｘ（ｔ））的逗留时分布的渐近性质，研究图集Ｇ［０，１］的Ｐａｃｋｉｎｇ测度函数问题。获得了ψ－ｐ（Ｇ［０，１］）＝０或＋∞的积分判别法，或者其确切测度函数．     

具有独立贡献的相依回归模型

考虑相依回归（ＳＵＲ）模型ｙｉ＝Ｘｉβｉ＿ｅｉ，ｉ＝１，２，…，ｍ，Ｅｅｉ＝０，ｉ，ｊ＝１；２，…ｍ，其中ｙｉ和ｅｉ是ｎ×１维随机向量，Ｘｉ是ｎ×ｐｉ已知矩阵，βｉ是ｐｉ×１维参数向量，∑＝（σｉｊ）ｍ×ｍ＞０．文中给出了两个概念：独立贡献和简洁估计．主要结果是如下五种叙述等价：（１）ＳＵＲ模型具有独立贡献；（２）βｉ的ＢＬＵＥ是简洁估计；（３）协方差改进估计是ＢＬＵＥＺ（４）βｉ的ＢＬＵＥ具有形式其中，ｊ＝１，２，…，ｍ；（５）ＰｋＮｉＮｊ＝０，ｉ≠ｊ，ｋ，Ｉ，ｊ＝１，２，…，ｍ     

关于空间PA_i~2为定值的一个结果

关于空间ＰＡ_ｉ~２为定值的一个结果杨定华（四川高县中学高９６级（１）班６４５１５０）定理记Ａ１，Ａ２，…，Ａｎ；Ｂ１，Ｂ２，…，Ｂｎ为空间中的２ｎ个点，Ａ１Ｂ１，Ａ２Ｂ２，…，ＡｎＢｎ交于一点Ｏ，且ＯＡｉ＝ＯＢｉ（ｉ＝１；２，…，ｎ），点Ｐ是半径为...     

方差估计的随机加权分布的渐近展开—非独立同分布情形

设Ｘ１，．．．，Ｘｎ是一组独立的随机变量序列，设ＥＸｉ＝０，ＶａｒＺｉ＝μ２，ｉ＝１，２，．．．，ｎ，其中μ２是待估参数，当Ｘｉ，ｉ＝１，２，．．．ｎ给定后，分别用Ｄｎ＝ｎ∑ｉ＝１Ｖｉ（Ｘｉ－Ｘ）＾２－１／ｎｎ∑ｉ＝１（Ｘｉ－Ｘ）＾２及Ｕｎ＝ｎ∑ｉ＝１（Ｘｉ－Ｘ）＾２及Ｕｎ＝ｎ∑ｉ＝１Ｖｉ（Ｘｉ－ｎ∑ｉ＝１ＶｉＸｉ）＾２－１／ｎｎ∑ｉ－１（Ｘｉ－Ｘ）＾２两种形式的随机加权分布来逼近Ｔｎ＝１／ｎｎ∑     

与四面体内点有关的一类不等式

笔者在文［１］对于初等对称函数Ｅｋ（ｘ）＝Ｅｋ（ｘ１,…,ｘｎ）＝∑１≤ｉ１＜…＜ｉｋ≤ｎΠｋｊ＝１ｘｉｊ,ｋ＝１,２,…,ｎ建立了定理１设ｘｉ＞０,ｉ＝１,２,…,ｎ且∑ｎｉ＝１ｘｉ＝１,则对于ｋ＝１,２,…,ｎ,有０≤Ｅｋ（１－ｘ）－Ｅｋ（ｘ）≤...     

Poisson分布参数的渐近最优和可容许的经验Bayes估计

设Ｘ及（Ｘ１，Ｘ２…，Ｘｎ）分别为取自Ｐｏｉｓｓｏｎ分布Ｐ（θ）的当前样本和历史样本，参数θ的先验分布族Ｆ＝｛Γ（ｍ，β）：β＞０｝，其中ｍ＞０已知，Γ（ｍ，β）表示参数为（ｍ，β）的伽玛分布．对ｐ＞０，ｑ＞２的任意两个实数，记ｔｎ＝Ｘ＋∑ｎｉ＝１Ｘｉ＋ｐＸ＋∑ｎｉ＝１Ｘｉ＋ｐ＋ｑ＋（ｎ＋１）ｍ（Ｘ＋ｍ）则在平方损失函数ｌ（θ，ｄ）＝（θ－ｄ）２下，ｔｎ是θ的渐近最优和可容许的经验Ｂａｙｅｓ估计，而且收敛速度为Ｏ（１ｎ）．     

二阶中立型差分方程的振动性与渐近性

考虑二阶中立型差分方程 △~２（ｘ_ｎ－ｃｘ_（ｎ－ｒ）＋∑ｑ_（ｉ,ｎ）ｘ_（ｎ－σ_ｉ）＝０（ｎ＝０,１,２,…） （１）当 Ｃ＞０时我们得到了方程的所有解振动或非振动解趋于零的若干充分条件,本文的结果推广了文［２］中的结果．     

双下标随机变量顺序统计量和的一个强大数定律的推广

本文论证了当双下标随机变量的分布函数Ｆ（ｘ）满足∫∞－∞｜ｘ｜ｐｄＦ（ｘ）＜∞（ｐ＞２）时有强大数定律ｌｉｍｎ→∞１ｎ２∑ｎｉ＝１ｉＸ（ｎ）ｉ＝１２Ｅｍａｘ（Ｘｎ１，Ｘｎ２）ａ．ｓ．成立．其结果优于文献［１］．     

数学问题解答

数学问题解答１９９７年１２月号问题解答（解答由问题提供人给出）１１０６设ｎ是不小于２的正整数，则７１２１－１２＋１３－１４＋…＋１２ｎ－１－１２ｎ＜ｌｎ２证明设ａｎ＝１－１２＋１３－１４＋…＋１２ｎ－１－１２ｎ＝１ｎ＋１＋１ｎ＋２＋…＋１２ｎ，（ｎ...     

增长曲线模型的参数估计及其性质

考虑增长曲线模型：Ｙｐ×ｎ＝ＡＢＣ＇＋εｐ×ｎ，Ｅε＝０．其中，ε＝（ε１，ε２，…，εｎ），ε１，ε２…，εｎ独立同分布，Ｅεｉεｉ＇＝Σｐ×ｐ＞０．该文利用协差阵的Σ的（一定意义下的）最小二乘估计Σ，分别给出了参数Ｂ，参数的线性函数ＡＢ，ｔｒ（Ｄ１’Ｂ）＋（Ｄ２Σ）（Ｄ２＝Ｄ‘２）（Ｄ２＝Ｄ２’）的估计Ｂｎ，Ｚｎ和ｔｒ（Ｄ１＇Ｂｎ）＋ｔｒ（Ｄ２Σｎ）．在ε１服从正态分布的情形下，给出了Ｚｎ，Σｎ的分布．并在ε１分布比较一般的情形和一定条件下给出了Ｚｎ，Ｂｎ，Σｎ和ｔｒ（Ｄ１’Ｂｎ）＋ｔｒ（Ｄ２Σｎ）的极限分布皆为正态分布（ｎ→∞）．而且Ｚｎ，和Σｎ，Ｂｎ，和Σｎ都是渐近独立的（ｎ→∞）．从而可构造参数Ｂ的置信区域和更好地进行判别分析，相关分析等．     

I.I.D.随机变量两两乘积之和的Hsu-Robbins型定理(Ⅰ)

设随机变量Ｘ１,Ｘ２,…ｉｉｄ;称Ｕｎ＝１≤ｉ＜ｊ≤ｎＸｉＸｊ,为两两乘积之和,本文意在给出 Ｕｎ／ｎ~２→０即文中（０．３）式成立的充分必要条件．我们在这部分工作中虽未能彻底解决这个问题,但却揭示出这类条件与Ｓｎ／ｎ→０（Ｓｎ＝ｎｉ＝１Ｘｉ）之条件间的本质上的不同之处,就是说,这是一类不能完全用Ｘ１的矩来刻划的条件,它们要更为深层次地依赖于Ｘ１的尾分布性质．