Hermite-Fejer Interpolation With Moved End Points

Let Z_n={z_(kn)=cosθ_(kn):θ_(kn)=(2k-1)/(2n)π,k=1,2…,n}be the zeros of T_n(x)=cosnθ(x=cosθ,θ∈[0,π]).For 0≤ε≤1,let α_n=:α_n(ε)=:cos(1-ε)/(2n)π,β_n=:β_n(ε)=:cos(2n-1+ε)/(2n)π=-α_n,X_n~(1)=(Z_n-{z_(1z)})∪{α_n},X_n~(2)=(Zn-{z_(nn)})∪{β_n},X_n~(3)=(Z_n-{z_(1n),z_(nn)})∪{α_n,β_n},Y_n~(1)=Z_n∪{α_n},Y_n~(2)=Z_n∪{β_n},Y_n~(3)=Z_n∪{α_nβ_n}.     

关于A-有序有界变差

§1前言 设f(x)是定义在一个区间上的实函数。对每一个区间I=[a,b],记f(I)=f(b)-f(a)。若区间J处于区间I的右边,则记之为II.若对每一j有I_j<(j 1),(或I_j>I_(j 1),则称{I_n}为有序的。A表示单调不减的正数序列{λ_n},它满足条件 sum from n=1 (1/λ_n)= ∞ (1)如果 其中,记号sup表示关于区间Ⅰ=[a,b]内每一互不重叠的区间列{I_n}取上确界,则称函数f(x)是区间I上的A-有界变差函数,记作f∈∧B∨,区间函数V_∧(I)=V(F;I)=     

索伯列夫空间的有限元迫近

记I_1=(-∞,ξ_1),I_2=(ξ_1,ξ_2),…,I_n=(ξ_(n-1),ξ_n),I_(n 1)=(ξ_n, ∞)。定义H~(m 1)(R,ξ_1,…,ξ_n)={u|u∈H~m(R),在I_i上u∈H~(m 1)(I_i),i=1,…,n 1}。 设μ(x)∈H~m(R),λ(x)∈L~∞(R)。并且满足:1.他们的支集都是R中的有界集合;2·∫_Rμ(x)dx=∫_Kλ(x)dx=1;3.μ(x)满足m-1收敛准则条件,即存在常数b_0=1,b_1,…,     

非平稳高斯序列的极值之渐近分布

设{ξ_n}是一非平稳高斯序列,Eξ_n=0、Eξ_n~2=1及γ_(ij)=Eξ_iξ_j.以M_n记max ξ_k,以记公共分布是F(x)=/(2π)~(1/2) integral from n=-∞ to x(e~(-u~2/2))du的 i.i.d序列之前n个变量的最大值.已有如下结果:对所述非平稳高斯序列{ξ_n}若     

渐近Bayes判别

<正> 一、引言设(θ,X),(θ_1,X_1),…,(θ_n,X_n)为 iid 随机变量,其中 X 取值于只 R~d(d≥1),θ只取0,1两个值,记 P(θ=0)=η_0,P(θ=1)=η_1=1-η_0,设 X 在给定θ=i 时的条件密度为 f_i(x)dx,i=0,1.(θ_1,X_1),…,(θ_n,X_n)是已知的样本,常称为训练样本,在实际应用上,常需借助于它们,以根据 X 之观测值,对θ的值做出判別.记 f(x)=η_0f_0(x)+η_1f_1(x),则后验概率为     

二维单边截断型分布族中EB估计及其收敛速度

本文讨论了二维单边截断型分布族(I)中参数函数EB估计及其收敛速度。(I) f_0(x,y)dxdy=c(θ_1,θ_2)f_0(x,y)I_([α,θ_1;c,θ_2])(x,y)dxdy在适当的条件下,满足恰当条件参数函数Q(θ_1,θ_2)的EB估计的收敛速度可任意接近于 1。     

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)。     

Sufficient And Necessary Condition For Convergence of Conditional Error Probability in NN-Pattern Discrimination

Let (θ_1,X_1),…, (θ_n,X_n), (θ, X) be iid random vectors ,where θ∈{0,1},X∈R~d Denote by θ′_n the nearest neighbour discriminator of θ based on the training samples (θ_1,X_1),…, (θ_n,X_n) and the observed X; put and This paper gives a sufficient and necessary condition for as n→∞, namely (P(θ=0, X=x)-P(θ=1, X=x))~2·P(θ=0, X=x)·P(θ=1, X=x)=0 for every x∈R~d.This generalizes a previous result of the authors [5] and improves a result of Wagner, T.J. [2].     

关于 Poincaré 型方程解的渐近性态的若干注记

<正> Ⅰ.引言假若 n 阶线性微分方程y~(n)+α_1(x)y~((n-1))+…+α_n(x)y=α_0(x) (**)的系数α_v(x),当 x 无限增长时渐近于常数α_v:(?)α_v(x)=α_v (v=1,2,…,n)则称方程(**)为 Poincaré 型微分方程(简称为 P 型方程).θ(λ)=λ~n+α_1λ~(n-1)+…+α_n=0称为它的特征方程.     

用 Petri 网研究一次不定方程

引言 对于”元线性型 a lx:+aZxZ+…十a。x。,。妻2,(1)其中a‘(i~l,2,…,的为正整数,且(a,,aZ,…,气)~1.如果正整数 m*一F(a;,aZ,…,a。),,(2)使得对于任意正整数m>m*,都存在非负整数x:,x但 m~*却不能表示成(3)的形式,则称 m~*为线性型(1)的最大不可表数.对于任意给定的一组正整数{α_1,α_2,…,α_n}(n≥2,且(α_1,α_2,…,α_n)=1),求对应的最大不可表数的问题就是数论中著名的 Frobenius 问题.许多数学家对这个问题进行过研究,并对某些特殊情形给出了计算 F(α_1,α_2,…,α_n)的公式或算法.[1]指出,当     

ASYMPTOTICALLY OPTIMAL EMPIRICAL BAYES ESTIMATION FOR PARAMETERS OF TWO-SIDED TRUNCATION DISTRIBUTION FAMILIES

Consider the two-sided truncation distrbution families written in the formf(x,θ)dx=w(θ_1, θ_2)h(x)I_([θ_1,θ_2])(x)dx, where θ=(θ_1,θ_2).T(x)=(t_1(x), t_2(x))=(min(x_1,…,x_m), max(x_1, …,x_m))is a sufficient statistic and its marginal density is denoted by f(t)dμ~T. The prior distribution of θ belongs to the familyF={G:∫‖θ‖~2dG(θ)<∞}.In this paper, the author constructs the empirical Bayes estimator (EBE) of θ, φ_n (t), by using the kernel estimation of f(t). Under a quite general assumption imposed upon f(t) and h(x), it is shown that φ_n(t) is an asymptotically optimal EBE of θ.     

一类非自治离散周期系统的周期解

τ∈I={τ_0 i,τ_0>0,i=0,1,2,…},x∈R~n,A:I×R~n→R~n×n和b:I×R~n→R~n是连续的.设对所有的(τ,x)∈I×R~n有某个整数m>1,使得A(τ m,x)=A(τ,x),B(τ m,x)=b(τ,x),并记I_0={τ_0,τ_0 1,…,τ_0 m-1}.这时称系统(1)为离散周期系统,用x(τ,τ_0,x_0)表示系统(1)满足初始条件x(τ_0)=x_0的唯一解,并对初始值x_0是这续的,τ≥τ_0>0.利用Schauder不动点定理,可以证明如下的:     

柱面上一类微分方程的研究(Ⅰ)

<正> §1.前言研究方程(d~2φ)/(dt~2)+α(dφ)/(dt)+F(φ)=β(1)其中α>0,β>0,F(φ)满足下列条件:(i)F(φ)=F(φ+2π),F(φ)=-F(-φ),F(0)=0,F(φ)∈C~1.(ii)在[0,π]上,φ=0,φ′_1,…,φ′_(n-1),π为 F(φ)=0之单根.(iii)在[0,π]上,曲线 y=F(φ)在φ_1~*,…,φ_n~*处取极值,不妨设在φ_1~*,φ_3~*,…处取极大值,在φ_2~*,φ_4~*,…处取极小值.     

有限p-群的幂结构

<正> 设G是有限p-群,n是正整数,记 V_n(G)={x~(pn)|x∈G},∧_n(G)={x∈G|x~(pn)=1}; (G)=,Ω_n(G)=<∧_n(G)>.又令下述性质: p_1:对任意正整数n,(G)=∨_n(G); p_2:对任意正整数n,Ω_n(G)=∧_n(G); P_3:对任意正整数n,|G:Ω_n(G)|=|(G)|. A.Mann在[1]中规定,如果G的每个部分群(即子群、商群和子群的商群的统称)都     

两个方差分量同时估计的可容许性

考虑方差分量模型 EY=X·β DY=σ_1~2V_1+_2~2V_2,其中β∈R~p,σ_1~2>0,σ_2~2>0均未知;X,V_1>0,V_2>0均已知;r(X)=p。我们要同时估计(σ_1~2,σ_2~2),并考虑估计类={d(A_1,A_2)=(Y′A_1Y,Y′A_2Y),A_1≥0,A_2≥0}。损失函数为: L(d(A_1,A_2),(σ_1~2,σ_2~2=1/σ_1~4(Y′A_1Y-σ_1~2)~2+1/σ_2~4(Y′A_2Y-σ_2~2)~2。本文给出了在V_1=V_2限制下,d(A_1,A_2)为容许估计的充分条件和必要条件,以及没有这个限制时d(A_1,A_2)为容许估计的充分条件。     

非线性互补问题的L1模算法

非线性互补问题(记作NCP(F))定义为求x∈R~n,满足X≥0,F(x)≥0且X~гF(x)=0。其中F:R~n→R~n。本文假设F(x)是一阶连续可微的。 引人映射H:R~n→R~n,其中H的第i个分量H_i(x)=min(x_i,F_i(x))及其L_1模函数 θ(x)=sum from i=1 to n |min(x_i,F_i(x)|设全集I={1,2,…,n},定义其子集: I_f(x)={i|F_i(x)0}, I(x)={i|F_i(x)=x_i},I_f(x)={i|F_i(x)相似文献   

3-李代数不可分解的T_θ~*-扩张

主要研究特征为零的域F上3-李代数不可分解的T_θ~*-扩张的结构.证明了如果3-李代数A具有3-上循环θ使得A的T_θ~*-扩张T_θ~*A是不可分解的度量3-李代数,则有:1)可以选择3-李代数A_1及3-上循环θ_1使得T_θ~*A=T_θ~*A_1,dimZ(A_1)≤dimZ(A),dim([A_1,A_1,A_1]A_1∩Z(A_1))dim([A,A,A]_A∩Z(A));2)存在3-李代数V及3-上循环θ使得T_θ~*A=T_θ~*V,Z(V)■[V,V,V]v.     

Fuzzy蕴涵代数与有界BCK—代数等价

在[1]中作者给出了下面的定义. 定义1 一个(2,0)型代数(X,→,0)称为FI代数,如果(?) x,y,z∈X,有 (I_1) x→(y→z)=y→(x→z), (I_2) (x→y)→[(y→z)→(x→2)]=1, (I_3) (x→z)=1, (I_4) 若x→y=y→x=1,则x=y, (I_5) 0→x=1,其中 1=0→0. 在[2]中Iseki K引入了BCK-代数,参见[3,4]. 定义2 一个(2,0)型代数(X;*,0)称为BCK-代数,如果(?) x,y,z∈X,有 (Ⅰ) ((x*y)*(x*z))*(z*y)=0, (Ⅱ) (x*(x*y))*y=0, (Ⅲ) x*x=0.     

高维K-q.c.的Hlder连续性系数的两个改进值

设f(x)是n维欧氏空间R~n中单位球B~b(n≥3)到自身上的K-拟共形映照,f(0)=0.已经知道(由F.W.Gehring证明),这种拟共形映照具有下式所示的Holder连续性:|f(x_1)-f(x_2)|≤4λ_n~2|x_1-x_2|K,x_1、x_2∈B~n,其中λ_n为R~n中Grotzsch区域函数的渐近常数。本文改进了Gehring的结果,给出了Holder连续性系数4λ_n~2的两个改进值:3λ_n~2和4~(1-1/2K)λ_n~(2-1/2K).     

On the Approximation of Combination of Linear Operators

Let f(x)∈C_(2π).For Valle-Poussin integrals V_n(f,x)=(2n)!! 1(2n-1)!! 2πintegral grom -πto π(f(x 1)cos~(2n)t/2 dt), Z.Ditzian and G.Freud considered the approximation of their combination writingV_(n,1)(f,x)=2V_(2n-1)(f,x)-V_(n-1)(f,x),V_(n,2)(f,x)=8/3V_(4n-1)(f,x)-2V_(2n-1)(f,x) 1/3V_(n-1)(f,x), they proved that V_(n,1)(f,x)-f(x)=O(ω_4(f,1/n~(1/2))), V_(n,2)(f,x)-f(x)=O(ω_6(f,1/n(1/2))) In this paper, using the asymptotic expansions of linear operators with many terms,we generalize the above result to the case of eombination of m terms, where mis an arbtirary positive integer.