非精确Rayleigh商迭代和非精确的简化Jacobi-Davidson方法的收敛性分析

非精确的Rayleigh商迭代被用于计算大型Hermite矩阵的最小特征值和对应的特征向量. 已有文献证明了方法二次收敛. 解决了两个问题: 第一, 证明文献中的原条件不能保证方法二次收敛和收敛到所要求的特征对,更糟的是, 方法可能会错误收敛到其他不要求的特征对. 给出了方法二次收敛的新条件, 称之为一致正条件. 证明在此条件下, 非精确的Rayleigh商迭代可以克服错误收敛的问题,且保证二次收敛到要求的特征值和特征向量. 第二, 不带子空间加速的Jacobi-Davidson~(JD)方法是求解该问题的另一种方法, 给出关于非精确的Jacobi-Davidson方法线性收敛的新证明, 得到一个更紧致的界. 所得的所有理论结果都用数值实验做了验证和分析.     

Precise rates in the law of the iterated logarithm under dependence assumptions

Let {X, X1, X2,...} be a strictly stationaryφ-mixing sequence which satisfies EX = 0,EX^2（log2{X}）^2〈∞and φ（n）=O（1/log n）^Tfor some T〉2.Let Sn=∑k=1^nXk and an=O（√n/（log2n）^γ for some γ〉1/2.We prove that limε→√2√ε^2-2∑n=3^∞1/nP（｜Sn｜≥ε√ESn^2log2n＋an）=√2.The results of Gut and Spataru （2000） are special cases of ours.     

分式加减及混合运算中常见错误分析

在分式加减及混合运算中,有些同学会出现一些错误,现归类小结如下,希望对同学们的学习有所帮助.一、同分母分式加减运算出现的错误     

工序能力Bayes推断

本文从Ｂａｙｅｓ观点研究工序能力，对无信息先验和共轭先验，给出了Ｃｐ的后验分布、条件期望估计和最大后验估计、Ｂａｙｅｓ置信下限和判断工序是否有能力的临界值，适于对相似工序作统计推断。     

一类糖酵解模型正平衡解的存在性分析

研究生化反应中具有代表性的一类糖酵解模型.运用先验估计讨论非常数正平衡解的不存在性,得到非常数正平衡解存在的必要条件.在常数平衡解Turing不稳定的基础上,利用度理论方法和解的先验估计,进一步给出非常数正平衡解存在的充分条件.     

一个不易觉察的错误

2009年全国卷工理22题是一道线性规划问题,其解答过程中出现的错误比较隐蔽,不易被觉察.1题目设函数f(x)=x3+3bx2+3cx存在两个极值     

剖析命题修正结论完善简解

文[1]给出了如下命题:命题如果x＞0时,f(x),g(x)连续可导,且limx→0f(x)=limx→0g(x),则当x≥0(或x＞0)时,若f(x)≥g(x)恒成立,那么f′(x)≥g′(x)恒成立.并利用该命题简解了一类高考压轴题:“对(A)x≥0,f(x)≥g(x)或f(x)≤g(x)恒成立,其中f(x)或g(x)含参数a,试确定参数a的取值范围.”简解的思路是:对(A)x≥0,只要对f(x)≥g(x)或f(x)≤g(x)两边取导数,再从f′(x)≥g′(x)或f′(x)≤g'(x)中分离出参数a,转化为最值问题.     

润物细无声地帮助学生找出错误原因

建构主义学习观认为：学生学习的过程是一个根据已有知识和经验主动建构的过程,这样学生在学习中,就不可避免地会产生错误．润物细无声她帮助学生找出错误的原因,是我们教师追求的教学艺术,也是学生易于接受的教学方法．本文介绍一个以问题正确的解法帮助纠正错误解法的教学案例．     

截尾试验下指数分布的贝叶斯估计

在指数分布场合，定数或定时截尾试验，文［１］给出了参数λ在先验分布为Γ（α，β）分布的假设下的Ｂａｙｅｓ估计．文［３］给出了在平方损失下的Ｂａｙｅｓ估计．本文讨论先验分布为Ｂ（ａ，ｂ）分布时，参数λ的Ｂａｙｅｓ估计．