多元线性模型t型回归参数估计的相合性和渐近正态性

考虑多元线性回归模型中回归系数的稳健估计问题, 将组内数据球化后, 视误差向量分布为各分量独立且具有相同刻度和自由度的t分布, 通过极大似然(M)方法获得t型回归参数估计. 本文讨论了这种t型回归参数估计的渐近性质, 在一些正则条件下, 获得了它的相合性, 并得到它的渐近正态性.     

右删失数据下线性回归模型的中心极限定理

将完全数据下(Y, Z)的联合分布F(y, z)的估计问题和线性回归模型Y =b^T Z+e的参数估计问题推广到右删失数据模型. 对于回归系数b和误差方差的加权最小二乘估计, 在最一般的条件下证明了中心极限定理, 给出了渐近方差的简单表达公式.     

具有阻尼的p系统弱熵解的非线性扩散波的收敛率

研究具有阻尼的p-系统Cauchy问题弱熵解的渐近行为. 在L^∞-模或L²-模意义下获得了弱熵解的非线性扩散波的收敛率, 这种收敛率类似于由Nishihara得到的光滑解的衰减率, 所用方法是粘性消失法和能量方法.     

一般参数空间中的sieve似然比推断

研究一般参数空间(包括无穷维)中sieve似然比统计推断的渐近分布理论. 在相当一般的正则条件下, 证明了sieve对数似然比统计量渐近服从χ²分布, 因而进一步推广了著名的Wilks定理. 还研究了一个半参数部分线性模型的例子.     

对数正态型分布纪录值之和的渐近分布

设X₁ , X₂, …是i.i.d.的随机变量序列, X⁽¹⁾ ,X⁽²⁾, …是它的纪录值序列. 对X₁∈LN( γ ), 即X₁服从对数正态型分布的场合, 讨论纪录值的部分和序列 的渐近分布问题. 发现γ = 2是一个分界线, 并且证明了在γ ＞2时, T_n渐近于正态分布; 而在2＞γ＞1时, T_n在通常的中心化和正则化之下, 不能收敛到任何非退化的概率分布, 但是此时log T_n渐近于正态分布.     

一个特殊Lagrange纤维化的例子

在线丛π:π₁^*T^* P₁Äπ₂^*T^* P¹→ P₁´ P¹ 的全空间上给定了一个完备 Ricci 平坦 Kaehler 度量与一个特殊Lagrange纤维化结构, 它由 4 个Harvey-Lawson 的模型按4个方向拼接而成.     

Sn+1中具平行Möobius第2基本形式超曲面的分类

设Mⁿ (n≥2)为(n+1)维单位球面Sⁿ⁺¹中的无脐点超曲面, 则Mⁿ上伴随有所谓的Möbius度量g, Möbius第2基本形式B, 它们是Mⁿ在Sⁿ⁺¹的Möbius变换群下的不变量. 对具有平行Möbius第2基本形式的超曲面给出了完全分类.     

H1空间特征的一点注记

全面回答了Stefanov提出的问题: “给出Rⁿ上具有紧支柱且积分为0的函数属于Hardy空间H¹Rⁿ的尺寸条件”. Stefanov仅给出了n=1的情形.     

极大单调算子的一个新的近似邻近点算法

研究集值映射方程0 T (z)的求解问题, 其中T是极大单调算子.对于给定的x^k及β _k>0, 大部分已有的近似邻近点算法取x^k+1= 满足 x^k +e^k +β_kT(x^k ), ||e^k||≤h_k||x_k- x^k ||, 其中{h^k}为非负可加数列. 新方法中不取 x^k+1 = x^k , 而将新的迭代点取为 x^k+1 = P_Ω [x^k-e^k], 其中Ω 是T的定义域,P_Ω (&#8729;) 表示Ω上的投影算子. 在supk>0h^k < 1这样宽松的条件下给出了收敛性证明.     

拓扑余维数不超过2的(D4, S1)等变分歧问题的分类

应用奇点理论方法研究参数具有某种对称性的等变分歧问题. 给出了分歧参数具有S¹对称性、状态变量具有D₄对称性的等变分歧问题f:(R²×R²,(0,0)®R² 在拓扑余维数不超过2的条件下的分类, 并建立了相应的识别条件.     

有限交换齐次循环群的增广商群的结构

令G是有限交换群, 并且它的Sylow p-子群是阶为p^r的循环群的直和,即G是一个有限交换齐次循环群. 令Δⁿ(G)表示增广理想Δ(G)的n次幂. 对每个自然数n本文给出了连续商群Q_n(G)=Δⁿ(G)/Δⁿ⁺¹(G)的结构, 并由此解决了有关这类有限交换群的Karpilovsky未解决问题.     

四元数射影空间中的全实极小2维球面

设HPⁿ是具有常四元数截面曲率4的四元数射影空间, 则局部上存在HPⁿ的3个复结构{I,J,K},满足IJ=-JI=K, JK=-KJ=I, KI=-IK=J. 曲面MÌHPⁿ称为全实的, 如果对每一点p∈M,切平面T_pM垂直于I(T_pM), J(T_pM)及K(T_pM). 已知任意曲面MÌ RPⁿ Ì HPⁿ 是全实的, 这里 RPⁿ Ì HPⁿ 是实射影空间在HPⁿ 中由包含映射R Ì H诱导的标准嵌入映射, 还知道在HPⁿ中存在不属于这种情形的全实曲面. 证明了HPⁿ中任意全实极小2维球面等距于RP^2m Ì CPⁿ Ì HPⁿ 中一个满的极小2维球面, 这里2m ≤ n. 作为推论, 证明了RP^2m (m≥1) 中的Veronese曲面是四元数射影空间中仅有的具常曲率的全实极小2维球面.     

具有高逼近阶和正则性的双向加细函数和双向小波

引入了双向加细函数和双向小波的概念,并研究双向加细方程 的分布解(或L²稳定解)的存在性, 其中整数m≥2. 基于正向面具{p_k⁺} 和 负向面具{p_k^-} , 建立了确保双向加细方程具有紧支撑分布解或L²稳定解所需要的条件. 更进一步地, 给出了双向加细方程的L²稳定解能产生一个MRA所需要的条件. 充分讨论了φ(x) 的支撑区间. 给出正交双向加细函数和双向小波的定义, 建立了双向加细函数的正交准则. 给出一类正交双向加细函数和正交双向小波 的构造算法. 另外,也给出了具有非负面具的、高逼近阶和正则性的双向加细函数的构造算法. 最后,构造了两个算例.     

2IVm- p设计的弱最小低阶混杂与最多纯净两因子交互效应

纯净准则和最小低阶混杂准则是选择部分因析设计的两个重要准则. 通过研究纯净两因子交互效应的个数, 证明了某些2_IV^{m- p}设计具有弱最小低阶混杂, 并给出了2_IV^{m- p}设计具有弱最小低阶混杂并包含最多纯净两因子交互效应的一些条件. 同时给出了几个弱最小低阶混杂2_IV^{m- p}设计的例子, 并构造了两个非同构的弱最小低阶混杂2_IV^{m- p}设计.     

重尾β混合随机变量序列的大偏差

设{X_n; n≥1}是重尾平稳非负随机变量序列, 研究其部分和 S_n=X₁+X₂+…+X_n的对数渐近性质. 对于适当的x, 在混合条件下, 给出了估计P(Sn>n^x)≈n^&#8722;αx+1, 其中α是特定的参数. 验证了Gantert提出的相关的猜想, 并且证明了所谓的上确界大偏差原理.     

<SPAN style=

定义了L^*-逆半群, 并引入了半群左圈积的概念. 证明了半群S是一个L^*-逆半群, 当且仅当S是一个型A半群Γ和一个左正则带B连同结构映射φ的左圈积B_âφ. 这一结果的一个直接推论是关于左逆半群结构的著名Yamada定理. 利用半群的左圈积, 给出了一个非平凡的L^*-逆半群的例子.     

多圆柱上的Lipschitz空间上的复合算子

设Uⁿ是n维复空间Cⁿ中的单位多圆柱, φ =( φ₁, …, φ _n)是Uⁿ到自身的一个全纯映射. 在0≤α<1条件下讨论了复合算子C_φ 在Lipschitz空间Lipa(Uⁿ)上的有界性和紧性.     

随机二次型的极限定理及其应用

考虑形如s₁^T(S₁S₁^T)^ms₁, s₁^T(SS^T)^ms₁的二次型,在一个弱的矩条件下,获得了其强收敛、收敛速度等结果,并且给出了其在CDMA中的应用和模拟结果.     

核实数据帮助下误差在反映线性模型经验似然降维推断

在核实数据帮助下, 考虑误差在反映线性模型. 半参数降维技术分别应用于定义β的渐近正态估计和β与其线性组合的被估计经验似然及调整经验似然. 我们分别证明被估计的经验对数似然及其调整的经验对数似然渐近于独立卡方变量加权和的分布及标准卡方分布.     

缺失数据下非线性EV模型参数的经验似然置信域

考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性EV模型.通过利用核实数据, 构造了未知参数的两种经验对数似然比统计量. 证明了所构造统计量的分布渐近于χ²分布, 所得结果可以用来构造未知参数的渐近置信域.