N参数广义Wiener过程的点常返性

简记R_+~N中点t=为;如果所有t_i=λ,记t=<λ>;记称之为方体;记△()=△(<0>,)。设函数f(s),s∈R_+~N在任何方体上平方可积,此类函数全体记为(?)~2(R_+~N)。设W~((N))为连续N参数Wiener过程。定义σ-域及(R_+~N)上随机     

带约束的线性模型中的可容许线性估计

在Gauss-Markov模型(Y_(n×1),X_(n×p)β_(p×1),σ~2V,V≥0)下,若S_(s×p)β可估,Rao及其他一些作者给出了Sβ的线性估计,在二次型损失函数下是可容许的充要条件。当参数受约束:β′Nβ≤σ~2,N>0时,Hoffmann,Mathew分别就V>0与V≥0的情形,讨论了β的线性估计的可容许性问题。本文将进而给出Sβ的线性估计AY在线性估计类中是可容     

相关模型中的Edgeworth展开与随机加权逼近

考虑如下线性相关模型Y=X’β e, (1)其中X=(x_1,…,x_p)’是R~p上的随机向量,Y是R~1上的随机变量,β=(β_1,…,β_p)’是R~p中未知参数向量,e是R~1上的随机误差变量.这里,只有(X’,Y)’是可观测的.我们假定(A.1)E(e\X)(?)0,E(e~2\X)(?)σ~2,0<σ<∞,0相似文献   

半相依回归方程的一种优于BLUE的估计

一、引言 考虑半相依回归方程Y_i=X_iβ_i+ε_i(i=1,2),其中Y_i是n×1的随机观测向量,X_i是n×p_i阶列满秩矩阵,β_i是p_i×1的未知回归系数,ε_i是n×1的随机误差向量,且满足E(ε_i)=0,cov(ε_i,ε_j)=σ_(ij)I (i,j=1,2),其中σ_(12)≠0,I是n阶单位阵,Σ=(σ_(ij))是2×2阶正定阵。这样的方程可以写为如下线性模型:     

可估子空间上线性模型的比较

1.引言我们考虑线性模型y=Xβ e,E(e)=0,cov(e)=σ~2I_n,(1.1)这里y是n×1观测向量,x是n×p的设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量,σ~2是已知的误差方差。我们记该模型为l=L(Xβ,σ~2I_n)。     

抽象K级囿变函数

定义1 设E是(B)空间,X(t)∈E,t∈[a,b]。又对K≥2,命 Q_(K-1)(X;t_i,…,t_(i K-1)     

关于岭回归分析的一个注记

考虑线性回归模型Y和e都是n维随机矢量,且Ee=0,Eee~τ=σ~2I;X是(n×p)阶系数矩阵,β是p维参数矢量。依据Y对β所做的最小二乘估计为     

计及粘性边界层三维浮体绕流模型及变分原理

直角坐标系内流场域V的边界面σ包括:待求的自由面φ(x_i)=0(V限于φ(x_i)>0),待求的均流界面S(x_i)=0(V限于S(x_i)>0),给定的浮体浸水面Ω,V再以待求界面ω(x_i)=0划分二域,V=V_1 V_2,V_1∶ω(x_i)>0为无粘性域;V_2∶ω(x_i)<0为粘性域。流速u_i,压力p,粘性应力τ_(ij)并具物性势W(τ_(ij)),体力f_i,常量密度ρ,均流界面上给定值用     

关于线性模型中误差方差估计的Berry-Esseen界限

考虑线性回归模型Y_j=X_j~′β+e_j,j=1,2,…,n,…,(1)其中{X_j}为已知的p维向量列,β为未知回归系数向量,{e_j}为一列独立试验误差,满足条件Ee_j=0,Vare_j=σ~2,0<σ~2<∞,j=1,2,…。(2) 误差方差是一个重要的待估参量。若记     

矩阵损失下回归系数的线性估计的可容许性

设有线性模型 这里V>0和X都已知,n≥p;β∈R~p,0<σ~2<∞均为未知参数。欲估计可估线性函数Sβ,此处S为已知的常数矩阵。1976年,Rao给出了在平方损失(d—Sβ)'(d—Sβ)下LY在线性估计类(?)={MY:M为常数矩阵}中是Sβ的可容许估计的充要条件。他还提出了矩阵     

半参数EV模型的参数估计理论

其中(X,T)为取值于R~p×R~1上的可观测随机向量,T的支撑集为有界闭集,不妨设为[0,1],x为p维不可观测随机向量,β为ρ×1未知参数向量,g是定义于[0,1]上的未知函数.(ε,u~r)~r为p+1维随机误差向量,E(ε,u~r)~r=0,Cov(ε,u~r)~r=σ~2I_(p+1),σ~2>0未知,且(ε,u~r)~r与(X,T)独立.模型(1)属于一类半参数的EV(Erorr-in-Varibles)模型,它表明变量Y关于(x,T)的回归函数E(Y|(X,T))呈偏线性的形式,且变量x不能直接观测到,所能观测到的是受了误差变量μ干扰的变量X.这类模型有着广泛的应用背景,如在经济、林业、建筑、生物、遥感等领     

m个半相依回归方程组系数的两步估计

考虑m(>2)个半相依回归方程组秩(x_i)=P_i,而 E(ε_i)=0,Cov(ε_i,ε_i)=σ_(ij)I, Σ=(σ_(ij))为正定矩阵。 对于β_i的两步估计及其有限样本性质,当m>2时,只有Kataoka对X_1,…,X_m是互     

二参数正态过程的马尔科夫性

设t(t_1,t_2)为平面上的点(图1),R_+~2=(t:t_1≥0,t_2≥0)中Borelσ-代数记为β。ξ={ξ,(ω),t∈R_+~2}为概率空间(Ω,(?),P)上的实值随机过程。t(t_1,t_2)≥s(s_1,s_2)如t_1≥s_i,i=1,2,R_t=(s:s_1≤t_1或s_2≤t_2),(?)=σ{ξ(?),s∈R_1},即括号中变量产生的σ-代数。称ξ为二参数马尔科夫过程(二马程),如对任意有界β可测函数f,任意u=(u_1,u_2)>t=(t_1,t_2)∈R_+~2,有     

部分线性模型参数分量的M估计的渐近正态性

Engle等人提出了下列部分线性模型Y_i=X_i~tβ_0 g_0(T_i) u_i,1≤i≤n其中(T_1,X_1~t,Y_1),…,(T_n,X_n~t,Y_n)是随机向量(T,X~t,Y)的i.i.d.样本,U_i为随机误差,U_1,…,U_n与(T_1,X_1~t),…,(T_n,X_n~t)相互独立,X∈R~d,T∈[0,1],β_0为未知参数向量,g_n是一光滑未知函数.文献中,有许多学者讨论了关于这个模型的估计问题,包括惩罚函数法、基于分段多项式逼近的最小二乘法和基于核函数近似的最小二乘法.由于上述方法得到的估计不稳健,本文用分段多项式逼近g_0讨论较稳健的M估计.记g_n(t)=(?)(t)~ta为一分段m阶多项式,其段数为M_n,其中(?)(t)是一函数向量,β_0和     

绝对稳定性理论中S手续的无亏损性问题

考虑直接控制系统(?)=AX-b(?)(σ),σ=C’X,(1)其中A∈R~(nxn),A稳定,b,c∈R~n,且(A,b)能控,(?)(σ)∈F_∞(?){(?)(σ):R→R连续;(?)(O)=0;(?)(O)=0;σ(?)(σ)≥0}.研究系统(1)的绝对稳定性有两种基本方法,一种是用Lurie型Lyapunov函数,即若存在     

Noether环的降链条件

设R是带有单位元的结合环,我们用_R表示R左酉模的范畴。设σ是_R上一个挠根(其定义及性质见文献[1,2],注意文献[2]中称挠根为幂等核函子)。说一个模M是σ-挠的,如果σ(M)=M;说M是σ-挠自由的,如果σ(M)=0。说模M的子模N是M的σ-稠密子模,如果M/N是σ-挠的;说N是M的σ-闭子模,如果M/N是σ-挠自由的。     

一般分圆域的幂元整基

设K是代数数域,代数整数α称为K的幂元整基生成元,如果Z[α]是其代数整数环。两生成元α与β称为等价,如果存在,使得α=k±σ(β). 文献[1]证明了在等价意义下,数域K只     

网点观测部分线性变量含误差回归模型

最近 ,我们探讨了网点观测部分线性函数关系模型ｙｉｙ =∑ｐｋ=1βｋｘｉｋ ｇ(ｔｊ) εｉｙ,ｙ =1,2 ,… ,ｍξｉｋ =ｘｉｋ δｉｋ,　　　　　　ｋ=1,2 ,… ,ｐ有εｉｙ,δｉｋ 相互独立 ,Ｅ(εｉｙ) =Ｅ(δｉｋ) =0Ｖａｒ(εｉｊ) =σ20 ,Ｖａｒ(δｉｋ) =σ2 ｋ, ｉ,ｊ.ｉ =1,2 ,… ,ｎ其中 ,ｘｉｋ是变量ｘｋ 的第ｉ个取值 ,不可观测 ,ξｉｋ是其观测值 ,δｉｋ是相应的观测误差 ;ｔｊ 是变量ｔ的第ｊ个取值 ,ｇ(ｔ)是ｔ的取值于Ｒ的函数 ;ｙｉｙ是ｙ=∑ｐｋ =1 βｋｘｋ ｇ(ｔ)在 (ｉ,ｊ)网点的观测值 (即ｘｋ=ｘｉｋ,ｔ=ｔｉ) ,ε…     

论相配局部对称空间的同构

我们知道一个由实Lie代数g和他的一个子代数g_1所成的局部齐性空间g/g_1称为对称的(E.L.S.),如果g_1是g的一个对合自同构σ的不变点所构成的子代数。在本文内我们限制讨论g是单纯代数的情形,g=k+p是g的一个Cartam分解。根据M.Berger的结果知任何g的对合自同构必共轭于g的一个令k不变的这样的自同构。这个自同构在k上的限制,以ρ表示之,自然是k的一个对合自同构;令k_1是ρ的特征子代数,则k/k_1是一个紧致的局部对称空间。从M.Berger的另一个结果,我们知道所有以ρ为限制的g的对合自同构必为σ或σ·t之形,其中t是由g的上述Cartan分解所定的标准自同构,由此可见,我们能     

两类指数稳定性的等价性

Ｘ为Ｂａｎａｃｈ空间,其范数为‖·‖,Ｔ(ｔ)为Ｘ上Ｃ0半群,其无穷小生成元为Ａ:Ｄ(Ａ)|→Ｘ.Ｔ(ｔ)称为指数稳定,若有Ｍ,σ>0使得‖Ｔ(ｔ)ｘ‖≤Ｍｅ-σｔ‖ｘ‖,ｘ∈Ｘ.(1)Ｔ(ｔ)称为能量指数稳定,若有Ｍ,σ>0使得‖Ｔ(ｔ)ｘ‖Ｄ(Ａ)≤Ｍｅ-σｔ‖ｘ‖Ｄ(Ａ),ｘ∈Ｄ(Ａ),(2)这里‖·‖Ｄ(Ａ)是Ａ的图象范数[1].实际应用提出这样的问题(见文献[2]):这两个概念是否等价?文献[2]证明了当Ｔ(ｔ)是Ｈｉｌｂｅｒｔ空间上压缩Ｃ0半群且Ａ有界可逆时,两类指数稳定性是等价的.本文证明了:定理　若有Ｍ1,σ>0使得‖Ｔ(ｔ)ｘ‖≤Ｍ1ｅ-σｔ‖ｘ‖,ｘ…