椭球等高矩阵分布的条件分布

本文给出了椭球等高矩阵分布的条件分布的随机表示,证明了椭球等高矩阵分布的条件分布仍是椭球等高分布。     

椭球等高分布族下的非中心Cochran定理

本文在椭球等高分布假定下,讨论了二次型X′AX(A为对称阵)的非中心Cochran定理。主要结果如下: 若X～EC_n(μ,L_n;g),g(x)>0为x的连续函数,且X有有限的2n阶矩。A_i,i=1,2,…,m为n×n对称阵。A=∑A_i,λ_1,…,λ_k互不相同且非零。考虑下面的条件: (a) X′A_iX■sum from j=1 to k λ_jy_(ij),(y_(i1),…(y_(ik))′～Gχ~2(n_(i1),…,n_(ik);δ_(i1)~2,…,δ_(ik)~2;g)j=1,…,m。 (b) (X′A_1X,…,X′A_mX)■(sum from j=1 to k λ_jz_j…,sum from j=(m-1)k 1 to mk λ_(j-(m-1)k)z_j)(z_1…,z_(mk))′～Gχ~2(n_(11),n_(1k),n_(21)…,n_(mk);δ_(11)~2,…δ_(1k)~2,δ_(21)~2,…,δ_(mk)~2;g) (c) X′AX(?)sum from j=1 to k λ_jy_j,(y_1,…,y_k)′～Gχ(n_1,…,n_k;δ_1~2,…,δ_k~2;g) (d) r(A)=∑r(A_i)=∑∑r(A_iE_j),A=∑λ_jE_j,E_j~2=E_j,E_jE_(j′)=0,j≠j′=1,…,k, (e) k个等式n_j=∑n_(ij)中至少有k-1个成立。则 (Ⅰ) (a),(b)■(c),(d),(e), (Ⅱ) (a),(c),(e)■(b),(d), (Ⅲ) (b),(c)■(a),(d),(c), (Ⅳ) (c),(d)■(a),(b),(c)。     

椭球等高分布族中T^20的精确分布

设Ｘ～ＥＣｐ（ｕ１，Σ，φ），即Ｘ服从椭球等高布分；Ｘ１，Ｘ２，…，Ｘｎ是来自Ｘ的样本，作：Ｔ＾２０＝（Ｘ－ｕ）′Σ＾－１（Ｘ－ｕ），（Ｘ＝１／ｎΣ＾ｎｉ＝１Ｘｉ）本文将在一定条件下，给出Ｔ＾２０的密度函数。     

椭球等高矩阵分布关于非奇异矩阵变换的不变性

本文首先将矩阵F分布和矩阵t分布的定义推广到左球分布类,其密度函数与产生它们的左球分布或球对称分布的密度均无关.然后讨论了椭球等高分布关于非奇异矩阵变换的不变性问题,包括矩阵Beta分布、逆矩阵Beta分布、矩阵Dirichlet分布、逆矩阵Dirichlet分布、矩阵F分布和矩阵t等分布.在非奇异变换下,这些分布的密度不但与产生它们的左球分布的密度函数无关,而且与非奇异变换矩阵无关.     

具有椭球等高分布误差的半参数回归模型参数的Bayes估计

本文给出了具有椭球等高分布误差的半参数回归模型中参数的Ｂａｙｅｓ估计．     

半定规划的限制逆问题与广义逆问题

本文提出了半定规划的限制逆问题与广义逆问题，利用半定规划的最优性条件，分别给出了其在l∞，l1,l2模意义下的数学模型，它们仍为半定规划问题。     

一般线性规划问题的限制逆问题

本文提出了一般线性规划问题的限制逆问题,利用线性规划的最优性条件,分别给出了其在l∞,l1,l2模意义下的数学模型,它们分别为线性规划和二次规划问题。     

三维椭球的光线障碍问题

对任给的正实数ｕ，令Ｃ＿ｕ＝｛（ｘ，ｙ，ｚ）：ｕ￣２ｘ￣２＋ｙ￣２＋ｚ￣２≤１｝．α为一正实数，使得对于任给的射线ｘ＿ｉ＝α＿ｉｔ（α＿ｉ＞０，ｉ＝１，２，３，ｔ≥０）都和相交。关于Ｃ＿ｕ的光线障碍问题就是要确定Ｋ（Ｃ＿ｕ）＝ｉｎｆα．本文对所有的实数ｕ，确定了Ｋ（Ｃ＿ｕ）的值。     

关于一般线性规划逆问题的一种简化

本将一般线性规划的逆问题转化为对应于已知解x^oj=0的价值系数cj不允许调整的限制逆问题，得到了逆问题的简化模型，然后给出了其在τ∞，τ1，τ2模意义下的具体形式，分别为线性规划和二次规划问题。     

A New Class of Multivariate Elliptically Contoured Distributions with Inconsistency Property

Methodology and Computing in Applied Probability - We introduce a new class of multivariate elliptically symmetric distributions including elliptically symmetric logistic distributions and Kotz...     

概率分布的实函数实现问题

基于一维随机变量,通过阐释概率分布实函数实现的内在本质,给出了概率分布实函数实现的一个充分必要条件,得到分布函数族及其连续性特征,揭示出概率论中分布函数定义所蕴含的合理性和深刻性.     

基于正则逆Gamma分布和广义极值分布的VaR计算

股指收益率的分布和风险价值(VaR)的计算是证券市场研究的热点问题.本文对来自上证指数和深证成指日收益率采用正则逆Gamma分布和偏T分布(SST)分别进行拟合,对极值序列(周、月极大值和极小值)建立广义极值分布函数。并由此计算VaR值,度量这几种序列的风险价值.结果表明正则逆Gamma分布能更好地拟合日收益率的分布,以及采用周极值收益率的广义极值分布计算VaR值来估计风险较为合理.     

基于正态逆高斯分布的篮子违约互换定价

主要讨论单因子模型的篮子型信用违约互换定价.目的是寻找一个快捷的方法来处理违约相关问题.采用了正态逆高斯分布对违约时间进行建模,得到了违约时间分布和篮子违约互换定价公式的半分析表达式,进一步地讨论了常数因子荷载扩展到随机因子荷载的情形.最后用数值模拟方法对比了正态分布和正态逆高斯分布两种模型下首次违约互换的价格.     

On an Open Question of Takahashi for Nonexpansive Mappings and Inverse Strongly Monotone Mappings

In this paper, we suggest and analyze an iteration method studied by Takahashi and Toyoda (J. Optim. Theory Appl. 118(2):417–428, 2003) for finding a common element of a set of fixed points of nonexpansive mappings and a set of solutions of variational inequalities with inverse strongly monotone mappings under some mild conditions. The strong convergence is proved and positive answer is given to an open question posed by Takahashi and Toyoda.     

逆Weibull分布随机变量的随机比较

研究了两个相互独立的逆Weibull分布随机变量间的随机序,似然比序,危险率序以及凸序之间的相互关系,给出了两个相互独立但不同分布的随机变量满足各种随机序时其分布所含参数间的相应关系．也给出了两组相互独立但不同分布的随机变量极值间在一般随机序下的大小关系．     

逆Weibull分布随机变量的随机比较(英文)

研究了两个相互独立的逆Weibull分布随机变量间的随机序,似然比序,危险率序以及凸序之间的相互关系,给出了两个相互独立但不同分布的随机变量满足各种随机序时其分布所含参数间的相应关系.也给出了两组相互独立但不同分布的随机变量极值间在一般随机序下的大小关系.     

Two New Mixture Models Related to the Inverse Gaussian Distribution

This article presents a new family of logarithmic distributions to be called the sinh mixture inverse Gaussian model and its associated life distribution referred as the extended mixture inverse Gaussian model. Specifically, the density, distribution function, and moments are developed for the sinh mixture inverse Gaussian distribution. Next, the extended mixture inverse Gaussian distribution is characterized. A graphical analysis of the densities of the new models is also provided. In addition, a lifetime analysis is presented for the extended mixture inverse Gaussian distribution. Finally, an example with a real data set is given to illustrate the methodology, which indicates that the new models result in a better fit to the data than some other well-known distributions.