关于线性模型中LS估计相合的条件

考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式:     

收敛系统和回归模型中最小二乘估计的强相合性

考虑多元回归模型此处x_(ij)是已知常数,β_1,…,β_p是未知参数,y_i,e_i分别为第i次量测值和量测随机误差。以下,我们记设计矩阵(x_(ij))_(1≤i≤n,1≤j≤p)为X_n,并令Y_n=(y_1,…,y_n)′),β=(β_1,…β_p)′。β的基于前n次量测值Y_n及设计矩阵X_n的最小二乘估计b_n=(b_(n1),…,b_(np))′为     

基于扰动Chebyshev结点的高阶Hermite-Fejér插值

设X_n={x_(kn):1≤k≤n}(?)[-1,1]满足:-1相似文献   

非负整值随机变量序列的一类强律

设{X_n,n≥1}是一列在S={0,1,2,…}中取值的随机变量,其分布为f(x_1,…,x_n)=P(X_1=x_1,…,X_n=x_n)>0,x_k∈S,1≤k≤n.(1)易知{X_n,n≥1}独立同分布的充要条件是存在S上的分布(p(0),p(1),…),P(i)>0,i∈S,(2)使得对任意正整数n有f(x_1,…,x_n)=multiply from k=1 to n p(x_k),x_k∈S,1≤k≤n.(3)为了表征{X_n,n≥1}与服从分布(3)的独立随机变量之间的差异,我们引进如下的似然比:     

关于线性模型中回归系数的最小二乘估计的相合性

考虑线性模型Y_1=x_i~′β e_i,i=1,2,…,其中i=1,2,…为已知的试验点列,β=(β_1,…,β_r)′为未知参数,ei,i=1,2,…为随机误差序列。由前n次试验结果算出β的最小二乘估计:     

一类非自治非线性系统零解的稳定性

dx_i/dt=A_i(t)x_i,(i=1,…,r) (3)的一个线性关联。这里x_i=col(x_1~((i)),…,x_(ni)~((i)))(i=1,…,r),n_1 … n_r=n,x~T=(x_1~T,…,x_r~T),A_i(t)为n_i×n_i(i=1,…,r)阶实对称矩阵,其特征方程的根关联项A_(ij)(t)为n_i×n_j阶矩阵,A(t)的每一元素连续有界,设|a_(ij)(t)|     

关于“Morion”猜想的一个逼近形式

澳大利亚数学家Morion曾提出如下猜想:若X_1,……,X_n(n≥1)为i.i.d,分布皆为P(X_i=1)=P(X_i=-1)=1/2,1≤i≤n,又设sum from i=1 to n,则有     

最小二乘估计相合性的若干结果

(?)≡(x_1,x_2,…)是已知的p维向量序列,e≡(e_1,e_2,…)是随机误差列,β≡(β_1,…,β_i)′是未知的回归系数向量.记S_n=x_1x_1~′…+x_nx_n~′.设当n≥n_0时,S_1~(-1)存在.把p×n矩阵S_n~(-1)(x_1…x_n)的(j,i)元记为u_(nji),则β的最小二乘(LS)估计为     

一类可解群的自同构

令R为有1的交换环,T(R)为由下定义的非Abelian群。生成元:x_(ij)(a),i相似文献   

Weibull分布的形状参数估计

设X_1,X_2,…,X_n是i.i.d.,其共同分布是Weibull分布W(x)=1-exp(-λχ~β),其中λ>0是刻度参数,β>0是形状参数。如何估计形状参数在寿命分析中有重要地位,极大似然估计是众所周知的,方开泰给出了利用矩性质的估计。本文利用指数分布的矩性质给出了估计形状参数的新方法。令Y=X~β,则Y服从参数为λ的指数分布。众所周知,EY~2/(EY)~2=EX~(2β)/(EX~β)~2=2,在该式中用样本矩代替总体矩 (Sum from i=1 to n(X_i~(2β)))/(Sum from i=1 to n(X_i~β))~2=2/n,(1) 若(?)_n是方程(1)的解,它可作为β的估计。这一思想可推广到一般情况。令g=g(x_1,x_2,…,x_k)是变量x_1,x_2,…,x_k的函数,且满足     

关于U-统计量理论的一些结果

设x_1,x_2,…为一串独立同分布(iid)变量,而φ(x_1,…,x_m)为x_1,…,x_m的对称函数,则U_n=(n/m)~(-1) sum from to 1≤α_1<…<α_m≤nφ(x_(α_1),…,x_(α_m),n≥m称为以φ为核的U-统计量。设对某个r≥1有E[|φ(x_1,…,x_m)|~r]<∞.(1)迄今为止,文献中对U-统计量的研究,多限于r=1和r=2的情况,最近我们研究了一般的r≥1的情况,主要结果如下:     

关于本原矩阵严格Hall指数的一个猜想

设B_n是所有n阶布尔矩阵的集合,对A=(a_(ij)),B=(b_(ij))∈B_n,若a_(ij)≤b_(ij),i,j=1,2,…,n,则记A≤B。如果存在正整数k,使A~k=J_n(全1方阵),那么A∈B_n称为本原矩阵。这样最小的k称为A的本原指数,记作γ(A)。B_n中所有本原矩阵的集合记为P_n。如果存在置换矩阵Q,使Q≤A,那么A∈B_n     

t可约m×n 二部分竞赛图的得分表偶

设(X,Y)是m×n 二部分竞赛图T_(m,n)的顶点集合V(T_(m,n))的有序分划,其中X=(x_1,x_2,…,x_m},Y={y_1,y_2,…,y_n},x_i、y_j 在T_(m,n)中的得分分别为a_i、b_j,l≤i≤m,l≤j≤(?),且a_1≤a_2≤…≤a_m,b_1≤b_2≤…≤b_n.记A=(a_1,a_2,…,a_m),B=(b_1,b_2,…,b_n),则T_(m,n)     

关于用相似性法鉴别双生儿类型的准确率

关于用相似性法鉴别双生儿类型,本文给出较一般的准确率公式,并指出文[1]中存在的问题.设双生儿有n 个指标x_1,x_2,…,x_n 一致,其中第i(i=1,2,…,n)个指标x_i 来自婚配型A_(ij) 的概率为P_(ij),并且sum j=1 to n_i p_(ij)=1,而婚配型A_(ij)中出现这第i 个指标x_i 的概率为q_(ij)(j=1,2,…,n_i).又设一对双生儿为二卵性起源(即一对双生儿为双合子双生儿(二卵双生儿或异卵双生儿))的概率为p,而且上述事件都互相独立,那末上述n 个指标一致的一对双生儿为双合子双生儿的概率为     

论一致分布与近似分析(Ⅱ)(数论方法)

命f(x)=f(x_1, …,x_s)为G_s上对每一变数都有周期1的函数。命α=(α_1,…,α_s)为一个有非负支量的矢量。当α_k=0时,置ρ_k=β_k=0,当α_k>0时,则置α_k=ρ_k+β_k,此处ρ_k为非负整数,0≤β_k<1。定义δ_h~kf(x)=(2i)~(-1)[f(x_1,…,x_k+h,…,x_s)-f(x_1,…,x_k-h,…,x_s)]。假定导数     

一类褶积矩阵方程的解

设x~((n))=(x_0,x_1,…,x_n)~T,x_i,i=0,1,2,…,n为实数,T为转置,x~((n))的z变换记为x_n(z),它在单位圆周上的值为x_n(w),记[x~((n))]~*=(x_n,…,x_0)~T,它的z变换记为X_n~*(z),称矩阵Δ(x~((n))=[a_(ij)],i,j=0,…,n,为褶积矩阵,其中     

煤矿工人尘肺X线诊断专家系统中的模糊推理模型

我们在前文中给出了煤矿工人尘肺X线诊断专家系统(PXDES)的设计思想和实现过程。下面扼要介绍PXDES中的模糊推理模型。在尘肺X线诊断问题中,设患者的尘肺X线表现由n个诊断因子X_i(i=1,2,…,n)表示,每一个诊断因子X_i是由不同程度的l个症状x_(ij)(j=1,2,…,l)组成的集合,即X_i={x_(i1),x_(i2),…,x_(il)}。     

区间参数矩阵的稳定性

一、引言 区间矩阵的稳定性问题的研究,最近取得了一些较好的结果。所谓区间矩阵的稳定性,即考虑n×n实矩阵P=(p_(ij))、Q=(q_(ij)),其中p_(ij)≤q_(ij), i, j=1, 2, …, n,记 N[P,Q]={A=(a_(ij)∈R~(n×n)|p_(ij)≤a_(ij)≤q_(ij), i,j=1,2,…,n},若对任意A∈N[P, Q]均有A稳定(即A的所有特征根的实部均小于零),则称区间矩阵     

理想流体的数值解

U(x_1,x_2,…,x_n,t)表示速度向量,其分量是U~((i)),1≤i≤n。P表示压力与密度之比,v(x_1,x_2,…,x_n,t)是运动粘性系数,0≤v_0≤v≤v_1,f(x_1,x_2,…,x_n,t)表示体积力,那末Narier-Stokes方程如下     

泛可积模的可约性

设是A=(α_(ij))_(i,j=1)~n是一个可对称化的广义Cartan矩阵,(η,π,π~v)是A的一个实现,其中π={α_1,…,α_n};π~v={α_1~v,…,α_n~v}。设(A)是结合于A的Kac-Moody代数,{e_i,f_i|1≤i≤n}是(A)的Chevalley生成员的集合。P={λ∈η~*|<λ,α_i~v>∈Z,1≤i≤n}