强混合样本下回归加权估计的一致渐近正态性

在强混合样本下,讨论固定设计回归模型的加权函数估计的一致渐近正态性,给出一致渐近正态性的收敛速度,这个速度接近n-1／6．     

正丁基苝四羧酸二酰亚胺的晶型和性能研究

文章合成了N,N'-二正丁基苝四羧酸二酰亚胺,并纯化、调晶,进行了IR、元素分析、X射线等测定.分析该化合物在DMF中的紫外光谱(最大吸收波长524.80 nm)、荧光光谱(最大发射波长539.0 nm)、Stokes位移(数值15 nm)等光谱性质.在400～700 nm范围内,α晶型薄膜紫外-可见吸收出现很强的吸收峰,且由β型变为α型,最大吸收波长有明显的红移(545 nm变为580 nm).X射线粉末衍射也反映出α晶型的2θ在26.0°处衍射峰CPS为2 508,β型在25.2°为1 891.α,β晶型作为电荷产生材料制得的功能分离型有机光导体,在光源滤波波长λ=532 nm曝光下,测得含α,β感光体达到饱和电位的时间分别为46,93.98 s,光衰电位(5.3千伏电压负充电电晕,1～2 s后的表面电位)分别为727和525 V,半衰曝光量分别为4.32,4.34μJ·cm-2,残余电位分别为30和45 V等光导性能数值.     

通过幺正操作传送未知两个三能级粒子纠缠态

我们提出一个把未知的两个三能级粒子纠缠态传送给两个接收者的方案,该方案使用一个未知的五个三能级粒子纠缠态作为量子通道。必须指出该方案能够推广到传送未知的N个三能级粒子纠缠态给M个接收者的情况,使用的是未知(N.M 1)个三能级粒子纠缠态作为量子通道。在传送过程中,需要执行适当的幺正操作和(N.M 1)次独立测量,而且该方案不涉及Bell态测量。     

压印光刻中的两步对正技术

压印光刻中套刻需要粗、精两级对正.实验采用一对斜纹结构光栅作为对正标记.利用物镜组观察光栅标记图像的边界特征进行粗对正,其准确度在精对正信号的捕捉范围内；利用光电接收器件阵列组合接收光栅莫尔信号，在莫尔信号的线区进行精对正.由于线性区的斜率大, 精对正过程中得到相应x,y方向的对正误差信号灵敏度高,利用高灵敏度对正误差信号作为控制系统的驱动信号,对承片台进行驱动定位,实现精对正.最终使X,Y方向上的重复对正准确度分别达到了± 21 nm(± 3σ)和±24 nm(± 3σ).     

用离子速度影象技术研究n-C4H9Br的光解

利用离子速度影象技术研究了正一溴丁烷(n-C4H9Br)在231~267 nm波段的光解,得出了如下结论:正一溴丁烷(n-C4H9Br)在231~267 nm波段的吸收源于基态到三个最低激发态的跃迁,这三个激发态标识为1A″、2A′和3A′;发生在这三个排斥态的势能面(PES)上的光解最终导致C4H9 Br(2P3/2)或C4H9 Br*(2P1/2)的产生;2A′和3A′态之间存在避免交叉(Avoided crossing)会影响最终的光解产物;从基态1A′到激发态1A″的跃迁矩垂直于对称面,也就垂直于C-Br键;从基态1A′到激发态3A′的跃迁矩平行于对称面,同时平行于C-Br键;从基态1A′到激发态2A′的跃迁矩在对称面内,且与C-Br键成53.1°夹角.我们也讨论了正一溴丁烷(n-C4H9Br)在234 nm和267 nm附近光解时的避免交叉几率(Avoided crossingprobability),以及它对单通道相对产额(Relative fraction of the individual pathways)的影响.     

关于哥德巴赫问题

在这篇文章中我们证明了:每一个正奇数 N≥e~(e~(11.503))都能够表示成为三个素数的和.     

响应变量随机缺失下的半参变系数模型的均值估计

在响应变量随机缺失时,研究了半参数变系数模型响应变量均值的借补估计.首先利用完整个体估计模型中的参数与非参数部分,然后再用借补方法与加权借补方法估计响应变量的均值.最后求出了估计的渐近偏差与渐近方差,研究了所得到的估计的渐近性质,并进行模拟比较.     

正相协列乘积和的重对数律与强大数律

证明了强平稳正相协列乘积和的重对数律与不同分布正相协列乘积和的强大数律,指出了部分和服从强大数律但乘积和未必服从强大数律这一事实,并讨论了定理2中一个条件的必要性．     

Hill统计量的渐近正态性

的正整数。此后,统计量γ_n的渐近性质被广泛地加以研究。Mason证明了γ_n是弱相容的,同时指出:如果k_n=[n~β],0<β<1,那末γ_n也是γ的强相容估计。[3]和[4]讨论了γ_n的渐近正态性;作为正则变化函数性质的一个应用,[5]中对此亦有讨论。本文将在d.f.F连续这一假定下,揭露γ_n的分布与一个条件iid的rv阵列行和的     

随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。