矩阵损失下均值向量的线性可容许估计

设Ｙ＝（Ｙ１，…，Ｙｎ）′相互独立，ＥＹ＝Ｘβ，ＣｏｖＹ＝Ｘｄｉａｇ（β１，…，βｎ）Ｘ′，β＝（β１，…，βｎ）′∈Ｒ＋ｎ为参数，Ｒ＋＝（０，＋∞），Ｘ为已知的元素非负且对角线元素为正的ｎ阶满秩矩阵，估计均值Ｘβ，选取损失函数为矩阵损失，估计类为Ｄ＝｛ＡＹ：Ａ为元素非负的ｎ阶矩阵｝．本文研究ＡＹ在Ｄ中的容许性，获得了ＡＹ在Ｄ中是Ｘβ的容许估计的充要条件．     

Poisson分布参数的渐近最优和可容许的经验Bayes估计

设Ｘ及（Ｘ１，Ｘ２…，Ｘｎ）分别为取自Ｐｏｉｓｓｏｎ分布Ｐ（θ）的当前样本和历史样本，参数θ的先验分布族Ｆ＝｛Γ（ｍ，β）：β＞０｝，其中ｍ＞０已知，Γ（ｍ，β）表示参数为（ｍ，β）的伽玛分布．对ｐ＞０，ｑ＞２的任意两个实数，记ｔｎ＝Ｘ＋∑ｎｉ＝１Ｘｉ＋ｐＸ＋∑ｎｉ＝１Ｘｉ＋ｐ＋ｑ＋（ｎ＋１）ｍ（Ｘ＋ｍ）则在平方损失函数ｌ（θ，ｄ）＝（θ－ｄ）２下，ｔｎ是θ的渐近最优和可容许的经验Ｂａｙｅｓ估计，而且收敛速度为Ｏ（１ｎ）．     

增长曲线模型的参数估计及其性质

考虑增长曲线模型：Ｙｐ×ｎ＝ＡＢＣ＇＋εｐ×ｎ，Ｅε＝０．其中，ε＝（ε１，ε２，…，εｎ），ε１，ε２…，εｎ独立同分布，Ｅεｉεｉ＇＝Σｐ×ｐ＞０．该文利用协差阵的Σ的（一定意义下的）最小二乘估计Σ，分别给出了参数Ｂ，参数的线性函数ＡＢ，ｔｒ（Ｄ１’Ｂ）＋（Ｄ２Σ）（Ｄ２＝Ｄ‘２）（Ｄ２＝Ｄ２’）的估计Ｂｎ，Ｚｎ和ｔｒ（Ｄ１＇Ｂｎ）＋ｔｒ（Ｄ２Σｎ）．在ε１服从正态分布的情形下，给出了Ｚｎ，Σｎ的分布．并在ε１分布比较一般的情形和一定条件下给出了Ｚｎ，Ｂｎ，Σｎ和ｔｒ（Ｄ１’Ｂｎ）＋ｔｒ（Ｄ２Σｎ）的极限分布皆为正态分布（ｎ→∞）．而且Ｚｎ，和Σｎ，Ｂｎ，和Σｎ都是渐近独立的（ｎ→∞）．从而可构造参数Ｂ的置信区域和更好地进行判别分析，相关分析等．     

一般增长曲线模型参数阵的BLU估计

考虑一般增长曲线模型：Ｙ＝Ｘ１ＢＸ２＋εＥ（Ｖｅｃ（ε））＝０Ｖ（Ｖｅｃ（ε））＝σ２ＶＩｎ（Ｖ０）本文对任一可估函数ＫＢＬ给出了它的ＢＬＵ估计（最佳线性无偏估计），并得到了方差σ２的一个无偏估计．     

多元统计中期望向量的线性容许估计

设Ｙ１，Ｙ２，…，Ｙｎ独立同分布，ＥＹ１＝β，ＣｏｖＹ１＝Σ，这里β∈Ｒｍ与Σ：ｍ×ｍ＞０均未知．取Ｌ１（ｄ，β）＝（ｄ－β）′（ｄ－β），Ｌ２＝（ｄ，β）（ｄ－β）′，Ｌ＝｛Ｌ１Ｙ１＋Ｌ２Ｙ２＋…＋ＬｎＹｎ：Ｌｉ为ｍ阶实方阵，ｉ＝１，２，…，ｎ｝．本文在Ｌ１和Ｌ２下分别给出了线性估计在Ｌ中是β的容许估计的充要条件．     

多元线性模型中均值矩阵的函数的所有可容许线性估计

对于多元正态线性模型Ｙｎ×ｍ￣Ｎ（Ｘ－，Σ×Ｖ），Ｖ≥０和Σ≥０已知，在三种不同的可容许性意义下，该文分别得到了ＳＸ－的线性估计ＬＹ＋Ｄ在一切估计类中可容许的充要条件。     

高阶广义KdV－Burgers方程解的存在性与收敛性

本文讨论高阶广义ＫｄＶ－Ｂｕｒｇｅｒｓ方程μ１＋Ｄｆ（μ）＋δＤ２ｎ＋１μ＝εＤ２ｕ初值问题解的存在性与收敛性，这里     

AVERAGE σ-K WIDTH OF CLASS OF Lp（R^n） IN Lq（R^n）

ＡＶＥＲＡＧＥ　σ－Ｋ　ＷＩＤＴＨ　ＯＦ　ＣＬＡＳＳ　ＯＦ　Ｌ_ｐ（Ｒ~ｎ）ＩＮ　Ｌ_ｑ（Ｒ~ｎ）ＡＶＥＲＡＧＥσ－ＫＷＩＤＴＨＯＦＣＬＡＳＳＯＦＬ_ｐ（Ｒ~ｎ）ＩＮＬ_ｑ（Ｒ~ｎ）￥ＬＩＵＹＯＮＧＰＩＮＧＡｂｓｔｒａｃｔ：Ｔｈｅａｖｅｒａｇｅσ－Ｋｗｉｄｔ...     

利用课本结论 巧证一道竞赛题

浙教版义务教育初级中学课本《数学》第五册（１９９６年３月第二版）第１５６页有这样一道习题：ＤＢ图一ＦＡＣＥ如图一,ＡＣ⊥ＡＢ,ＢＤ⊥ＡＢ,Ａ、Ｂ为垂足,ＡＤ和ＢＣ相交于点Ｅ,ＥＦ⊥ＡＢ于Ｆ;又ＡＣ＝ｐ,ＢＤ＝ｑ,ＦＥ＝ｒ,ＡＦ＝ｍ,ＦＢ＝ｎ．（１）用ｍ、ｎ表示ｒｐ．（２）用ｍ、ｎ表示ｒｑ．（３）证明：１ｐ＋１ｑ＝１ｒ．利用（１）、（２）过渡,可迅速得到（３）的证明（证略）;值得一提的是条件“ＡＣ、ＥＦ、ＢＤ都垂直于ＡＢ”可弱化为“ＡＣ∥ＤＢ∥ＥＦ”,此时结论仍成立,于是有：ＥＤＢ图二ＦＡ如图二,…     

随机微分方程终值问题的弱解

设｛Ｗｔ．Ｆｔ．ｔ∈［０，Ｔ］｝为概率空间（Ω，Ｆ，Ｐ）上的标准α维Ｂｒｏｗｎｆｃｆｃ，Ｆｔ为由它生成的自然σ－代数流。本文讨论了如下随机微分方程终值问题弱解的存在性：Ｘｔ＝ξ＋∫ｔ＾Ｔｇ（ｓ，Ｘｓ，Ｙｓ）ｄｓ＋∫ｔ＾ＴＹｓｄＷｓ其中ξ∈Ｌ＾２（Ω，ＦＴ，Ｐ；Ｒ＾ｎ），ｇ：［０，Ｔ］×Ｒ＾ｎ×Ｒｎｄ→Ｒ＾ｎ为有界可测函数。此外，还讨论了它在金融市场期权定价问题中的应用。     

正态线性模型中可估函数的Minimax估计

对于正态线性模型Ｙ～Ｎ（Ｘβ，б2Ｖ），在二次损失Ｌ（б，ＤＸβ）＝下，本文利用可容许性理论，证明了可估函数ＤＸβ的一个线性估计在一切估计类中是ＤＸβ的唯一Ｍｉｎｉｍａｘ估计。     

Hilbert空间上交换本质正规算子组的C_p－类扰动

本文证明了若Ｂ＝（Ｂ１，…，Ｂｎ）是Ｈｉｌｂｅｒｔ空间Ｈ上交换正规算子组，Ａ＝（Ａ１，…，Ａｎ）是Ｈ上交换本质正规算子组，Ｓｐ（Ｂ）Ｓｐｅ（Ａ），且Ｓｐ（Ｂ）的Ｈａｕｓｄｏｒｆｆ维数等于α，则对任意ε＞０及ｐ≥ｍａｘ（α＋ε，１），Ａ模Ｃｐ－近似酉等价于ＡＢ＝（Ａ１Ｂ１，……ＡｎＢｎ）．     

矩阵方程AXB=C的通解

本文给出了矩阵方程 Ａ_（ｍ×ｎ）Ｘ_（ｎ×５）Ｂ_（ｓ×）＝Ｃ_（ｍ×ｔ）有解且有无穷解的通解表达式 Ｘ＝Ｃ~（＊＊）＋［ｋ_（１１）ξ_１~Ｔ＋…＋ｋ_（１（ｎ－ｒ））ξ_（ｎ－ｒ）~Ｔ＋……ｋ_（ｓ１）ξ_１~Ｔ＋…＋ｋ_（ｓ（ｎ－ｒ））ξ_（ｎ－ｒ）~Ｔ］ ＋［Ｐ_（１１）η_１＋…＋Ｐ_（１（ｓ－１））η_（ｓ－１）……Ｐ_（ｎ１）η_１＋…Ｐ_（ｎ（ｓ－１））η_（ｓ－１）］~Ｔ（其中ｋ_（ｉｊ）;Ｐ_（ｉｊ）为任意常数;ξ_１…,ξ_（ｎ－ｒ）;η_１…,η_（ｓ－１）分别为Ａ_（ｍ×ｎ）Ｘ_（ｎ×１）＝０;Ｘ_（１×ｓ）Ｂ_（ｓ×ｔ）＝０的一个基础解系,Ｃ~（＊＊）为ＡＸＢ＝Ｃ的一个特解）及利用矩阵初等变换求其通解的方法．     

非线性波动方程整体解存在的一个必要条件

该文给出了非线性波动方程ｕｎ＝△ｕ＋ｆ（ｕ），（ｆ（ｕ）＝ｕ＾ｐ，ｐ〉１）的Ｃａｕｃｈｙ问题在函数空间Ｃ＾ｋ０（Ｒ＾ｎ）的原点领域有古典整体解的一个必要条件：１／２（ｕ（０）＾２Ｌ２＋ｕｔ（０）＾２Ｌ２）－∫Ｒ＾ｎ∫＾ｕ００ｆ（ｓ）ｄｓｄｘ≤０，并且证明了１〈ｐ〈＾ｎ＾２＋ｎ＋２／ｎ（ｎ－１），ｎ≠１（ｎ＝１，１〈ｐ〈＋∞）古典解与广义解有相同的生命跨度，同时给出了生命跨度的上界估计。     

不等式x~3 y~3 z~3≥3xyz的几何证法

我们先证ｘ２＋ｙ２≥２ｘｙ（ｘ、ｙ∈Ｒ＋,当ｘ＝ｙ时,等号成立）证明　如图１,设正方形ＡＢＣＤ的边长为ｘ,正方形ＢＥＦＪ的边长为ｙ,在ＡＢ上取ＡＨ＝ｙ,则ＨＢ＝ｘ－ｙ,故ＨＥ＝ＨＢ＋ＢＥ＝ｘ－ｙ＋ｙ＝ｘ,∴　Ｓ矩ＡＨＰＤ＝Ｓ矩ＨＥＦＫ＝ｘｙ．由图１显然有　Ｓ正ＡＢＣＤ＋Ｓ正ＢＥＦＪ≥Ｓ矩ＡＨＰＤ＋Ｓ矩ＨＥＦＫ,即　　　ｘ２＋ｙ２≥２ｘｙ（当且仅当ｘ＝ｙ时,等号成立）再证　ｘ３＋ｙ３＋ｚ３≥３ｘｙｚ（ｘ、ｙ、ｚ∈Ｒ＋,当且仅当ｘ＝ｙ＝ｚ时,等号成立）证明　如图２,设三个正方体ＶＡＢ、ＶＣＤ、ＶＥＦ…     

带有不等式约束的生长曲线模型中回归系数线性估计的泛容许性

对于带有不等式约束的生长曲线模型：Y=XBZ＋ε，ε^→～（0，σ^2V×I），tr（NB）≥0，本文在矩阵损失函数（d—KBL）（d—KBL）＇下，给出了可估函数KBL的线性估计的泛（西）容许性定义，分别得到了DYF和DYF＋C在齐次估计类LH和非齐次估计类LI中是KBL的泛容许性估计的充要条件．     

矩阵损失下不完全椭球约束模型中一般线性估计的可容许性

对于带有不完全椭球约束的线性模型Ｙ～（Ｘβ，σ２Ｖ），（β－β０）＇ＸＮＸ（β－β０）σ２（Ｎ０，Ｖ０）．本文讨论了可估函数ＳＸβ的一般线性估计的可容许性，在矩阵损失下得到了ＡＹ＋ａ线性可容许的充要条件．所给证明对齐次线性估计在齐次线性估计类中的可容许性（β０＝０）也适用．     

EXPONENTIAL STABILITY OF LINEAR TIME－VARYING IMPULSIVE DIFFERENTIAL SYSTEMS WITHDELAYS

ＥＸＰＯＮＥＮＴＩＡＬＳＴＡＢＩＬＩＴＹＯＦＬＩＮＥＡＲＴＩＭＥ－ＶＡＲＹＩＮＧＩＭＰＵＬＳＩＶＥＤＩＦＦＥＲＥＮＴＩＡＬＳＹＳＴＥＭＳＷＩＴＨＤＥＬＡＹＳ￥ＧｕａｎＺｈｉｈｏｎｇ（关治洪）；ＬｉｕＹｏｎｇｑｉｎｇ（刘永清）（ＳｏｕｔｈＣｈｉｎａＵｎ...     

条件中位数L_1－模核估计的逐点相合性

设（Ｘ，Ｙ）．（Ｘ１，Ｙ１），（Ｘ２，Ｙ２），…为Ｒｄ×Ｒ１上ｉ．ｉ．ｄ．随机向量序列。Ｙ对Ｘ的条件中位数θ（ｘ）定义为在Ｘ＝ｘ时Ｙ的条件分布函数的中位数．校函数Ｋ（·）是Ｒｄ上正实值函数，对ｘ∈Ｒｄ，θ（ｘ）的Ｌ１－模核估计θｎ（ｘ）定义由（１）给出．本文中，我们将文献［４］的均匀核法推广至一般核的情况，并在定义了θ的Ｌ１－模核估计基础之上，研究了其逐点相合性质．     

二元二次多项式可因式分解的充要条件及其分解公式

对于二元二次多项式ｆ（ｘ，ｙ）＝Ａｘ２＋Ｂｘｙ＋Ｃｙ２＋Ｄｘ＋Ｅｙ＋Ｆ（其中Ａ，Ｂ，Ｃ不全为零），设ｈ＝２ＣＤ－ＢＥＢ２－４ＡＣ，ｋ＝２ＡＥ－ＢＤＢ２－４ＡＣ，Ｆ１＝ｆ（ｈ、ｋ）＝１２Ｄｈ＋１２Ｅｋ＋Ｆ，△＝２ＡＢＤＢ２ＣＥＤＥ２Ｆ＝－２（Ｂ２－４Ａ...