广义加权损失函数下准备金的分位信度估计

由于聚合数据是个体数据的加总,会失去一些有用信息.针对个体数据模型,分位回归模型可以直接求取未决赔款准备金的分位数,并且对数据中存在的异常值的敏感度不高.在程纪(2020)模型基础上,将分位回归模型与信度理论相结合,将多个流量三角形的增量赔款数据看成是相同日历年下的重复性多次观测,体现样本数据的分层结构,克服经典信度模型中只有一条回归线的弊端,在广义加权损失函数下得到准备金的信度估计,并给出参数估计.     

齐型空间上的分数次极大算子的加权弱型不等式

设(X,d,μ)是 Coifman-Weiss 意义下的齐型空间,0≤α<1.定义 α阶分数次极大算子(?)~αf(x,t)=(?)1/(μ(B(x,r))~(1-α))∫_(B(x,r))|f(y)|dy.本文的目的有二:其一是将[3]、[4]中关于(?)~α 的加权弱型结果推广到齐型空间;其二是对限制增长的 Young′s 函数Φ,得到(?)~α 的弱型加权 Φ-不等式.     

NA列加权乘积和的完全收敛性

本文讨论了NA和几类加权部分和及加权乘积和的完全收敛性，其中部分结果要优于iid列的已知结论。     

NEW WAVELET BASES FOR NON－HOMOGENEOUS SYMBOLIC SPACE OpS1,1^m AND RELATED KERNEL－DISTRIBUTION SPACES

This paper constructs several classes of new wavelet bases, which are unconditional bases for related operator spaces. Using these bases, the author analyzes non-homogeneous symbolic space OpSm1,1 and two related kernel-distribution spaces, and characterizes them in two wavelet coefficients spaces. Besides, some properties for singular integral operators are studied.     

高阶Schr(O)dinger方程的加权估计

本文主要研究的是相函数为齐次椭圆多项式的自由高阶Schrodinger方程.通过相函数等值面的几何性质,得到了解算子的Strichartz加权估计和极大算子加权估计.     

矩阵方程AXB=D的最小二乘Hermite解及其加权最佳逼近

本中,我们讨论了矩阵方程AXB=D的最小二乘Hermite解,通过运用广义奇异值分解(GSVD)，获得了解的通式。此外,对于给定矩阵F，也得到了它的加权最佳逼近表达式。     

反对称正交对称矩阵反问题

本文讨论一类反对称正交对称矩阵反问题及其最佳逼近．研究了这类矩阵的一些性质，利用这些性质给出了反问题解存在的一些条件和解的一般表达式，不仅证明了最佳逼近解的存在唯一性，而且给出了此解的具体表达式．     

增长曲线模型参数估计的加权相对效率

对增长曲线模型中参数估计的相对效率，本文提出了一种新的定义－加权相对效率，并研究了它的性质，以及在文献「４」中的两种相对效率的关系。     

A NUMERICALLY STABLE BLOCK MODIFIED GRAM-SCHMIDT ALGORITHM FOR SOLVING STIFF WEIGHTED LEAST SQUARES PROBLEMS

Recently, Wei in proved that perturbed stiff weighted pseudoinverses and stiff weighted least squares problems are stable, if and only if the original and perturbed coefficient matrices A and A^- satisfy several row rank preservation conditions. According to these conditions, in this paper we show that in general, ordinary modified Gram-Schmidt with column pivoting is not numerically stable for solving the stiff weighted least squares problem. We then propose a row block modified Gram-Schmidt algorithm with column pivoting, and show that with appropriately chosen tolerance, this algorithm can correctly determine the numerical ranks of these row partitioned sub-matrices, and the computed QR factor R^- contains small roundoff error which is row stable. Several numerical experiments are also provided to compare the results of the ordinary Modified Gram-Schmidt algorithm with column pivoting and the row block Modified Gram-Schmidt algorithm with column pivoting.