混合误差下回归权函数估计的强相合性

对非参数模型Ｙｉ＾（ｎ）＝ｇ（ｘｉ＾（ｎ））＋ξｉ＾（ｎ）,用权函数ｇｎ（ｘ）＝Σ↑ｎ↓ｉ＝１Ｗｎｉ（ｘ）Ｙｉ＾（ｎ）;估计ｇ（ｘ）,在误差为某些相依随机变量列下,我们获得了ｇｎ（ｘ）,的强相合性及一致强相合性。     

相依样本下非参数回归函数递推型核估计的渐近分布

设（Ｘｉ，Ｙｉ）１≤ｉ≤ｎ为来自二元总体（Ｘ，Ｙ）的平稳，φ－混合样本，记ｍ（ｘ）△Ｅ（Ｙ│Ｘ＝ｘ），ｍ（ｘ）的一种递推型核估计为ｍｎ（ｘ）＝ｎ∑ｉ＝１ｈｉ＾－１Ｙｉｋ（（ｘ－Ｘｉ）／ｈｉ）／ｎ∑ｊ＝１ｈ＾－１ｊｋ（ｘ－Ｘｊ）／ｈｊ）。本文在一定的条件下证明了（ｎ／（ｎ∑ｊ＝１ｈ＾－１ｊ）＾１／２）（ｍｎ（ｘ１）－ｍ（ｘ１），ｍｎ（ｘ２）－ｍ（ｘ２），．．．ｍｎ（ｘｒ０）－ｍ（ｘｒ０））′依分布收     

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）≤...     

相依样本下条件密度双重核估计的强相合性

设（Ｘ１，Ｙ１），…，（Ｘｎ，Ｙｎ）是从取值于Ｒ＾ｐ×Ｒ＾ｑ的随机向量（Ｘ，Ｙ）中抽取的随机样本，在给定Ｘ＝ｘ的条件下Ｙ具有条件密度ｆ（ｙ│ｘ）。在本文中，我们考虑ｆ（ｙ│ｘ）的通常的和递归形式的双重核估计ｆｎ（ｙ│ｘ）＝ｎ∑ｉ＝１Ｋ１（Ｘｉ－ｘ／ａｎ）Ｋ２（Ｙｉ－６／ｂｎ）／〔ｂｎ＾ｑｎ∑ｊ＝１Ｋ１（Ｘｊ－ｘ／ａｎ）〕ｆｎ（ｙ│ｘ）＝ｎ∑ｉ－１Ｋ１（Ｘｉ－ｘ／ａｉ）Ｋ２（Ｙｉ－ｙ／ｂｉ）／ｎ∑ｊ     

相依样本下密度函数及其导函数的相合随机窗宽核估计

设（Ｘｎ）是Ｒ＾１中的平稳，强混合序列，具有公共的密度ｆ（ｘ），则可定义ｆ（ｘ）及其导函数ｆ＾（ｒ）（ｘ）的核估计与最近邻估计ｆ＾（ｒ）ｎ（ｘ）＝（ｎｈ＾ｒ＋１ｎ（ｘ））＾－１ｎ∑ｉ＝１Ｋ＾（ｒ）（Ｘｉ－Ｘ／ｈｎ（ｘ）），ｆｎ（ｘ）＝（ｎａｎ（ｘ））＾－１ｎ∑ｉ＝１Ｋ（Ｘｉ－ｘ／ａｎ（ｘ））其中核函数Ｋ（Ｘ）为取定的概率密度函数，且具有ｒ（ｒ≥０）阶导数，窗宽ｈｎ（ｘ）＝ｈｎ（ｘ；Ｘ１，．．．，Ｘ     

变系数高阶中立型泛函数分方程的振动性与渐近性

考虑变系数高阶中立型泛函微分方程ｄ＾ｎ／ｄｔ＾ｎ（ｘ（ｔ）＋ｐ（ｔ）ｘ（ｔ－τ（ｔ））＋ｍ∑ｉ＝１Ｐｉ（ｔ）ｘ（ｔ－τｉ（ｔ）＝０，在－１＜ｐ（ｔ）≤０情形下解的振动性与渐近性，取消了Ｐｉ（ｔ）≥ｑｉ＞０的限制，改进以往的相应结果，本文结果时高阶泛函方程Ｘ＾（ｎ）（ｔ）＋ｍ∑ｉ＝１ｐｉ（ｔ）ｘ（ｔ－τｉ（ｔ））＝０也是适用的。     

改进的R.Nevanlinna第二基本定理

设ｆ（ｚ）是超越亚纯函数，ｎ为任一非负整数，ε为任意正数，ａ＾（ｉ）ｒ＝（ｖ＝１，２，…，ｑｉ，ｉ＝０，１，…，ｎ）均为有穷非零复数，满足ｍｉｎ／１≤ｖ１＜ｖ２≤ｑｉ｜ａ＾（ｉ）ｖ１－ａ＾（ｉ）ｖ２｜≥δ＞０，ｉ＝０，１，…，ｎ。若ｆ（０）≠０，∞，П＾ｎｉ＝１ｆ（ｉ）（０）≠０，则对０＜ｒ＜＋∞有ｍ（ｒ，ｆ）＋ｍ（ｒ，１／ｆ）＋Σ＾ｕｉ＝０Σ＾ｑｉｒ＝１ｍ（ｒ，ａ＾（ｉ）ｖ，ｆ＾（ｉ）≤（２＋ε     

一个新颖不等式的加强

本刊“数学问题解答”栏第１１２９题给出了函数组ｘ１,ｘ２,…,ｘｎ的新颖不等式ｍａｘ１≤ｉ≤ｎ｛ｘｉ｝（ｘ１＋２ｘ２＋…＋ｎｘｎ）≥１２（ｘ１＋ｘ２＋…＋ｘｎ）２（１）本文给出式（１）的一个加强,得到定理　设０≤ｄ≤２,ｘｉ＞０,１≤ｉ≤ｎ,则ｍａｘ１≤ｉ≤ｎ｛ｘｉ｝（ｘ１＋（１＋ｄ）ｘ２＋…＋（１＋（ｎ－１）ｄ）ｘｎ）≥（ｎ－１）ｄ＋２２ｎ（ｘ１＋ｘ２＋…＋ｘｎ）２（２）等号成立当仅当ｘ１＝ｘ２＝…＝ｘｎ．证　视（２）式左边减去右边所得的差为ｄ的函数,记作ｇ（ｄ）;显见ｇ（ｄ）是一个线性函数;…     

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∑     

秩为k的有限序列t—相交族

设ｎ，ｓ１，ｓ２，…，ｓｎ为正整数及Ｍ（ｓ１，ｓ２，…，ｓｎ）＝｛（ｘ１，ｘ２，…，ｘｎ）｜０ｘｉｓｉ，且ｘｉ为正整数｝．若ＦＭ（ｓ１，ｓ２，…，ｓｎ）满足：对任何ａ，ｂ∈Ｆ，都至少有ｔ个ｉ使ａｉ∧ｂｉ＝ｍｉｎ（ａｉ，ｂｉ）＞０，则称Ｆ为Ｍ（ｓ１，ｓ２，…，ｓｎ）中的一个ｔ－相交序列族．对ｘ＝（ｘ１，ｘ２，…，ｘｎ）∈Ｍ（ｓ１，ｓ２，…，ｓｎ），称ｒ（ｘ）＝∑ｎｉ＝１ｘｉ为ｘ的秩．本文讨论并得到当ｓ１＝ｓ２＝…＝ｓｎ时Ｍ（ｓ１，ｓ２，…，ｓｎ）中秩为ｋ的有限序列最大相交族，从而获得了由Ｅｎｇｅｌ和Ｆｒａｎｋｌ提出的一个关于有限序列相交族的公开未解问题在ｋｎ＋ｔ－１情形下的解．     

固定设计下半参数回归模型估计的相合性

对于固定设计下的半参数模型yi=x1β g(ti)┬ei=1，2……，n本文综合最小二乘法和一般的非参数权估计方法，定义了β，g的估计量-βn，-gn及误差方差口α^2=Ee^21的估计量-α^2n，并在适当条件下，证明了它们的强相合性与P(≥2)阶平均相合性．     

二维指数信号模型中参数Bootstrap估计的强相合性

本文主要研究了在统计信号处理当中具有广泛应用的二维带白噪声指数信号模型中参数估计的Bootstrap逼近, 借助于回归模型中Bootstrap逼近的构造方法, 给出了二维指数信号模型参数的自助估计, 并证明了自助估计具有强相合性. 最后采用了Monte-Carlo法对所提的方法进行随机模拟, 模拟的结果表明当噪声不服从正态分布时, Bootstrap方法的估计效果优于最小二乘估计.     

SOME LARGE SAMPLE PROPERTIES OF AN ESTIMATOR OF THE HAZARD FUNCTION FROM RANDOMLY CENSORED DATA

1IntroductionInmaplifetimestudies,someOfthesubjects"liderstudyarecensoredontherightbyapriorcensoringtime.LetTI,T2,'',TibeindependentandidenticallydistributednonnegativerandomvariableswithcommoncontinuousdistributionfullctionFandcontinuousprobabilitydensityfunctionf.Inthemodelofrightrandomcensoring,associatedwitheachZthereisanindependentnonnegativecensringtimeCiandCI,C2,'',CdareassumedtobelidrandomvariableswithcontinuotisdistributionfunctiollG.Illthismodelwecanobserveonlythepairs(Xi,hi)…     

NA样本下半参数回归模型估计的强相合性

考虑固定设计下的半参数回归模型;yi=xiβ g(ti) ei,i=1,2……,n,在{ei}为Eei=0,Ee^2i=σ^2i的NA序列时,得到了一类估计的强相合性。     

￠－混合误差下非参数回归函数加权核估计的相合性

本文在－混合误差下讨论Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ［１］提出的一类非参数回归函数加权核估计的相合性。在较弱的条件下证明了它的完全收敛性和强相合性。这些结论改进了现有的独立情形和相依情形的相应结论。     

一类线性errors－in－variables模型的参数强相合估计及其a．s．收敛速度

本文讨论了如下一类线性ｅｒｒｏｒｓ－ｉｎ－ｖａｒｉａｂｌｅｓ模型——多元线性结构关系模型β′ｘｋ＋α＝０，ξｋ＝ｘｋ＋εｋ．｛ｋ＝１，２，…，ｎ．其中，｛ｘｋ：ｋ＝１，２，…，ｎ｝为一组ｉ．ｉ．ｄ．的ｍ维随机向量，｛εｋ：ｋ＝１，２，…，ｎ｝是ｉ．ｉ．ｄ．的随机误差，Ｅ（ε１）＝０，Ｖａｒ（ε１）＝σ２Ｉｍ．且｛ｘｋ：ｋ＝１，２，…，ｎ｝与｛εｋ：ｋ＝１，２，…，ｎ｝相互独立．在一些条件下，我们证明了估计量β，α，σ２的强相合性、唯一性，并给出了估计量的收敛速度为ｏ（ｎ－１－１ｑ），这里ｑ∈［１，２）．对于Ｅ（ｘ１）ｕ１和Ｖａｒ（ｘ１）Ｖｘ的估计也得出了同样的结果     

强定向图的k-强距离

对强连通有向图D的一个非空顶点子集S,D中包含S的具有最少弧数的强连通有向子图称为S的Steiner子图,S的强Steiner距离d(S)等于S的Steiner子图的弧数. 如果|S|=k, 那么d(S)称为S的k-强距离. 对整数k≥2和强有向图D的顶点v,v的k-强离心率sek(v)为D中所有包含v的k个顶点的子集的k-强距离的最大值. D中顶点的最小k-强离心率称为D的k-强半径,记为sradk(D),最大k-强离心率称为D的k-强直径,记为sdiamk(D). 本文证明了,对于满足k+1≤r,d≤n的任意整数r,d,存在顶点数为n的强竞赛图T′和T″,使得sradk(T′)=r和sdiamk(T″)=d;进而给出了强定向图的k-强直径的一个上界.     

The consistency index in reciprocal matrices: Comparison of deterministic and statistical approaches

When checking the inconsistency level of a positive reciprocal matrix Saaty uses a deterministic criterion based on two parameters, a benchmark (the average), and a consistency level, usually 10%. Using results from a simulation experiment with 100,000 positive random reciprocal matrices of size varying from 3 to 15, we developed a probabilistic criterion and compare it to Saaty’s index. We found that if a positive reciprocal matrix is consistent according to the deterministic criterion is also consistent according to the probabilistic criterion only if we accept a higher than usual probability of Type I error. Reducing this error implies that the benchmark must be a small percentile of the probability distribution of the consistency index.     

一种校正模糊判断矩阵一致性的新方法

给出一种校正模糊判断矩阵一致性的新方法。首先 ,给出关于模糊判断矩阵满意一致性的定义及判定方法 ,然后通过构造和分析能够反映完全一致性矩阵和原判断矩阵之间关系的偏差矩阵 ,给出校正模糊判断矩阵一致性的计算步骤 ,最后给出了一个算例。     

Strong Statistical Convergence in Probabilistic Metric Spaces

Abstract

In this article, we introduce the concepts of strongly statistically convergent sequence and strong statistically Cauchy sequence in a probabilistic metric (PM) space endowed with the strong topology, and establish some basic facts. Next, we define the strong statistical limit points and the strong statistical cluster points of a sequence in this space and investigate the relations between these concepts.