一种非参数回归估计量的条件 平均绝对误差的指数收敛速度

<正> 设(X,Y),(X_1,Y_1),…,(X_n,Y_n)是取值于R~d×R~1的独立同分布随机变量,E|Y|<∞.以m(x)=E(Y|X=x)记Y对X的回归函数,Q记X的概率分布测度,Z_n记{(X_i,Y_i),i=1,…,n},它是(X,Y)的已知观测值.一般的非参数回归估计问题,就是对指定的x∈R~d,利用Z_n对m(x)进行估计.设θ=θ(x,Z_n)是这样一个估     

截断情况下独立随机变量样本均值和方差的近似分布

设X1，X2……Xn为非负随机变量，相互独立具有共同的分布函数F(t)，Y1，Y2……Yn是相应的干扰随机变量，非负，相互独立具有共同的分布G(t)，并且Xi与Yi也相互独立，文章在仅能观察到Zi=min(Xi，Yi)．δi=I(Xi≤Yi)，i=1，2……，n和假设G已知的情况下．分别定义了F的均值和方差的估计量，并求出了估计量的近似分布．     

条件Erlang分布双参数加法定理的推广

X(m)和Y(k)服从参数(m,λ)和(k,μ)的Erlang分布且相互独立.证明了在X(m)相似文献   

截尾样本下回归函数改良核估计的强相合性

设(Xi,Yi),i=1,,n是从取值于\Rd×R1的随机向量(X,Y)中抽取的i.i.d.样本,E(|Y|)<∞,而以m(x)=E(Y|X=x)表示回归函数。在截尾情况下,观察到的不是诸Yi本身,而是Zi=min(Yi,Ti)及δi=I(YiTi),其中Ti是与(Xi,Yi)独立的随机变量,i=1,2,…,n.当T的分布未知时,在一定条件下,得到了回归函数改良估计的强合性.     

统计线性模型(Ⅲ)

三、统计线性模型的善本假定3-1.一元线性回归分析 统计线性模型是一个比一元线性回归模型要广泛得多的模型,理论上有不少重要的具有实际意义的结果.为便于理解与掌握统计线性模型,我们还是先从大家较为熟悉的一无线性回归模型谈起. 1°.基本假定 设N个随机变量Y1,Y2,…,YN具有如下结构:其中 x1,…,xN是N个已知常数, e1,…,eN是N个随机变量,它们相互独立,具有相同的分布N(0,σ2).而a,b以及σ2是未知参数. 2°.对基本假定的说明 (3-1)式也可改写为如下的形式: 设N个随机变量Y1,Y2,…,YN,它们相互独立,Yi-N(a+bxi,σ2),(i= 1,2,…,N).…     

k阶几何无穷可分分布族

一个非退化的m维随机向量Y称为是k阶几何无穷可分的，是指对任何0＜p＜1，存在独立同分布的m维随机向量{Ypi,i≥1}使得Y=,其中Np为取正整数随机变量，服从参数为p和k的广义几何分布，且Np与{Ypi,i≥1）独立．本文给出了这类分布的刻划和应用．     

等差数列方幂和的统一处理

定理 设数列{αn}是等差数列，sn=α1^m＋α2^m＋…＋αn^m，m∈N^＊，则存在λi∈R（i=2，3，…，m＋1），有g（n）=λm＋1αn^m＋1＋λmαn^m＋…＋λ3αn^3＋λ2αn^2，使{sn-g（n）}为等差数列．     

非参数回归函数的随机窗宽核估计的重对数律

设(X,Y),(X_1,Y_1),(X_2,Y_2),…为 i.i.d.二维随机变量序列,具有联合分布F(x,y)及密度 f(x,y).X 的边际分布和密度分别记为 F_X(x)和 f_X(x).记 m(x)=E{Y|X=x)}为 Y 对 X 的回归函数.为估计 m(x),Nadaraya 和 watson 独立地引进了如下形式的核估计     

关于棱柱的一个猜想的证明

文[1]给出了一个关于棱柱的猜想： 任意棱柱A1A2…An-2-A1′A2′…An-2′（n≥5）内一点P，P分该棱柱体积棱锥化定比为F（P）=（m1，m2，m3，…，mn），分过P且平行于底面的截面的面积三角形化定比为f（P）=（λ1，λ2，λ3，…，λn-2）则m1＋m2=1/3，mi=2/3λi-2（i≥3，i∈N＋）．     

独立随机变量序列加权和的相合性

设t0∈(0，1)，Wni(t0)是关于实变量t1，t2，…，tn的权函数；随机变量序列Y1，Y2，…，Yn，iid．本研究了随机变量序列加权和∑(i=1,n)Wni(t0)Yi的相合性．     

非参数回归函数的基于截尾数据的估计

本文考虑截尾数据情况下非参数回归函数m(x)=E(Y|x)的估计。具体地讲,我们面对的是这样的数学模型:T是与(X,Y)独立的随机变量,我们观测到的不是Y本身,而是Z=min(Y,T)及δ=[Y≤T]。今有训练样本{(X_i,Z_i,δ_i)}_(i-1)及当前样本(X,z,δ),记ξ_i(·)=[z_i≥·], N~ (·)=sum from i=1 to n ξ_i(·), V_n(·)=multiply from i=1 to n{1 N~ (z_i)/2 N~ (z_i)}~[δ_i=_i<0], U_n(·)=sum from i=1 to n Wnt(x)ξ_i(·), 令 m_n(x)=integral from 0 to u_n U_n(y)|V_n(y)dy, 其中u_n=F_2~(-1)(n~(-a)),0<α<1/2为一实常数,F_2(·)=P(Y≥·)为Y的(右侧)分布函数。在权函数{W_(ni)(x)}_(i=1)~n及(X,Y,T)的分布函数满足一组条件下,我们证明了m_n(x)为m(x)的强相合估计,即:m_n(x)→m(x),a.s.(n→ ∞).     

随机狄里克莱级数在半平面上的增长性和值分布

研究了随机狄里克莱级数 f (s,ω) =∑∞n=1an Xne-λns在独立 (可不同分布 )随机变量序列{ Xn}满足(i) limn→∞E|Xn|>0 ,supn 1 E|Xn|p <∞ (p >1) ;(ii) limn→∞nλn=D <∞ ;(iii) limn→∞ln|an|λn=0等条件时的增长性和值分布 ,得到了比较好的结果     

Existence and Nonexistence of Weak Positive Solution for a Class of p-Laplacian Systems

In this work, we are interested to obtain some result of existence and nonex- istence of positive weak solution for the following p-Laplacian system
{-△piui=λifi（u1,^…,um）,inΩ, i=1,...,m, ui=0,
on δΩ,Vi=1,…,m,
where △piz = div（｜△z｜^pi-2△Z）, Pi ≥ 1,λi,1 ≤ i ≤ m are a positive parameter, and Ω is a bounded domain in IR^N with smooth boundary δΩ. The proof of the main results is based to the method of sub-supersolutions.     

带多余位置一刻度参数的非参数两样本问题

<正> 设x_1,…,x_m,y_1,…,y_n为m+n个独立随机变量,x_i有连续分布函数F,y_i有连续分布函数G.要依据这些观测值x_i,i=1,…,m,y_i,j=1,…,n来检验假设(注意F和G都是未知的) H_o:存在常数A和B,B>0,致     

一个不等式的推广

文[1]对文[2]中的猜想给出了证明,猜想是:若n∑i=1aim=n,ai∈R ,i∈N,m≥2,m∈N,则∑ni=1ai≤C1n,n∑i≠jaiaj≤C2n,…,∑ni1≠i2≠…≠ikai1ai2·…·aik≤Cnk,…,n∏i=1ai≤Cnn.本文对此再做些推广.定理若n∑i=1iλaim=S,λ1,ai∈R ,i∈N,m∈[1, ∞),n∑i=1iλ=1,则n∑i1,i2,     

删失数据下回归函数的最近邻估计

设（X，Y）是一随机向量且变量Y的均值存在．假定Y被另一分布G的随机变量t删失，仅能观察到不完全数据（xi，Yi^ti,δi），i＝1，2，…n，其中Yi^ti＝min（Yi，Ti）,δi=I（Yi≤ti）。为了给出回归函数m（x）＝E（Y|X）的估计。文中使用了Stute提出的最近邻型回归估计，并给出了该估计的强相合性结果．     

非参数回归函数之改良基于分割的估计的强相合性（英）

设(X,Y),(X1,Y1),…,(XnYn)为取值于 Rd× R的 i．i．d．随机变量,E(|Y|) ＜∞．设mn(x)为回归函数m(x)=E(|Y|X=x)基于分割的估计,本文在对mn(x)进行改良的条件下得到改良的基于分割的强相合估计．     

整数环上一类矩阵方程Xn+Yn=λnI(n∈N,λ∈Z,λ≠0)的解

设Z,N分别是全体整数和正整数的集合,M_m(Z)表示Z上m阶方阵的集合.本文运用Fermat大定理的结果证明了:对于取定的次数n∈N,n≥3,二阶矩阵方程Xⁿ+Yⁿ=λⁿI(λ∈Z,λ≠0,X,Y∈M₂(Z),且X有一个特征值为有理数)只有平凡解;利用本原素因子的结果得到二阶矩阵方程Xⁿ+Yⁿ=(±1)ⁿI(n∈N,n≥3,X,Y∈M₂(Z))有非平凡解当且仅当n=4或gcd(n,6)=1且给出了全部非平凡解;通过构造整数矩阵的方法,证明了下面的矩阵方程有无穷多组非平凡解:■n∈N,Xⁿ+Yⁿ=λⁿI(λ∈Z,λ≠0,X,Y∈M_n(Z));X³+Y³=λ³I(λ∈Z,λ≠0,m∈N,m≥2,X,Y∈M_m(Z)).     

重尾平稳序列的大偏差

本文给出了一类重尾的随机变量序列{Xn,n≥1}的部分和Sn=∑i=1 n Xi与随机和S(t)=∑i=1^N(t) Xi的大偏差结果其中{N(t),t≥)}是一族非负整值的随机变量，{Xn,n≥1}是非负的平稳过程，并且与{N(t),t≥0}独立。本文将独立同分布情形的结果掖到了平稳相依的情形。     

限制同时Chebyshev逼近

设T是紧Hausdorff空间,C(T)表示定义在T上的实值连续函数全体.对f∈C(T),定义 ||f||=max|f(t)|,则C(T)是Banach空间。再设λ_i>0(i=1,2,…,m),sum from i=1 to m(λ_i)=1,(1≤m≤+∞,1≤p<+∞),令