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:     

多项式映射可逆性的一个判则

设F是特征为零的域,f_i∈F[x_1,…,x_n],1≤i≤n。若多项式映射φ=(f_1,…,f_n)-F~(?)→F~n (x_1,…,x_n)(?)(f_1(x_1,…,x_n),…,f_n(x_1,…,x_n))可逆,易知其Jacobi行列式J(f_1,…,f_n)=det((?)f_i/(?)x_i)必为F中非零元。这一命题之逆,就是著名的Jacobi猜想。从Keller正式提出这一问题起,迄今已近五十年,仍未得到解决。     

关于U-统计量的Marcinkiewicz大数律

设x_1,…,x_n…为一串i.i.d.随机变量序列,m≥1固定,h(a_1,…,a_m)为其m个变元的对称函数,以h(a_1,…,a_m)为核的U-统计量定义为假定: E|h(x_1,…,x_m)|~r<∞,0相似文献   

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:     

关于Znám问题

1972年,捷克数学家Znám提出一个问题:是否对每一个整数n>1,都存在整数x_i>1(i=1,…,n),使得对每一个i,x_i是x_1…x_(i-1)x_(i 1)¨x_n 1的真因子?1975年,Skula证明了对于2≤n≤4,不存在这样的整数,并提到在n=5时,Janàk找到了一组解2,3,11,23,31(Acta Fac. Rer. natur.     

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     

极大函数的带权不等式

本文旨在建立一族极大函数的带权不等式,其中1<λ≤2,x=(x_1,x_2,…,x_n)以及t=(t_1,t_2,…t_n)为R~n(n维欧氏空间中)的点,u(x,y)(y>0)是某函数,f∈L~p(R~n)(p≥1)的普阿松积分,可参考文     

中医专家系统设计的一个具有启发性的数学模型

设X=(x_1,x_2,…,x_n)为n 个症状(或体征,为方便计,以下统称为症状)的向量.各分量用0或1赋值,即x_j={1,若第j 个症状出现, 0,其他情况,j=1,2,…,n.又设U={X}是症状向量的集合,它一共有2~n 小元素.令S_(?)(i=1,2,…,m)表示m 个证     

无向循环图的同构

设n>1是整数,N={1,2,…,n-1),K={K_1,…K_m}■N。按如下方法定义一个有向循环图G_n(K):点集V={v_0,v_1,…,v_(n-1)},边集E={v_iv_j|存在自然数i,1≤t≤m,使得j-i≡K_t(mod n)}。     

线性模型中最小二乘估计的强收敛速度

考虑线性模型如下:y_i=x_i~′β+e_i,i=1,2,…, (1)其中x_i~′=(x_(ij),…,x_(ij)为已知常值向量,β′=(β_r,…β_p)为未知参数向量。令设计矩阵X_n=(x_1…,x_n)′;Y_n=(y_1,…,y_n)′;S_n~(-1)=(X_n~′X_n)~(-1)(?)(S_(ij)~n)1≤i,f≤n。熟知β的最小二乘估计(n)有如下表达式     

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     

关于一组同余式的解

的整数解。显然,(1)式的解x_1,…,x_n中x_i,(?)x_j(i(?)j),不失一般,可设x_1相似文献   

中位数交叉核实准则

考虑非参数中位数回归模型Y_(ni)=g(x_(ni)) ε_(ni),1≤i≤n,(1)其中g:[0,1]|→R是待估计的连续函数,{x_(ni):1≤i≤n}是区间[0,1]上的非随机设计点列,{ε_(ni):1≤i≤n}是iid随机变量,中位数为零,{Y_(ni):1≤i≤n}是观察值.对x∈[0,1],n≥1,记D_(nj)(x)为x的第j个近邻,j=1,2,…,n,即{D_(n1)(x),D_(n2)(x),…,D_(nn)(x)}为{x_(n1),x_(n2),…,x_(nn)}的一个置换,满足|D_(n1)(x)-x|≤|D_(n2)(x)-x|≤…≤D_(nn)(x)-x|,结按自然顺序消去.令Y_(ni)(x)和ε_(ni)(x)分别表示D_(ni)(x)(1≤i≤n)处的观察值和随机变量.下面的估计g_n(h,x)=(?){Y_(n1)(x),Y_(n2)(x),…,Y_(nh)(x)},(2)(?)表示样本中位数,这个估计称为g(x)的最近邻中位数估计(或者局部中位数估计),其中近邻个数h起着光滑参数作用.h的选择对估计的好坏起着决定性的作用.作者与郑忠     

Gr(?)bner基的一个应用

本文中,假定基域k是代数封闭域P_k~n是n-维射影空间,V是P_k~n的射影代数闭集,W是P_k~m中射影代数闭集.{F_i}_(i=0)~m(?)k[X_0,…,X_n],F_i是齐次多项式且次数都是d.假定V(F_0,…,P_m)(?)V=Φ,可定义一个正则映射F:V→W满足: F(x_0,…,x_n)=(F_0(x_0,…,x_n),…,F_m(x_0,…,x_n)),其中(x_0,…,x_n)∈V。 利用Gr(?)bner基给出F是“限制同构”的充要条件。为此先给出其定义。 定义 如上所述的F:V→W,如果存在L使得L:W→V,满足F(?)L=id_w,L(?)=id_v,并且L=(L_0,…,L_n),{L_i}_(i=0)~n(?)k[Y_0,Y_0,…,Y_m],L_i为齐次多项式并且次数都是d′. 我们所用Gr(?)bner基的表述和结论都来源于文献[1]～[3]。     

多重Fourier级数及其共轭Fourier积分的球形求和

设E_K为K维欧氏空间,E_K中的点x记为x=(x_1,x_2,…,x_k),Q_k{x∈E_k;-π≤x_i<π,1≤i≤K},B(x_0,r)={x∈E_k;|x-x_0|≤r},Q={x∈E_k;|x|=1},K(x)=P(x/|x|)|x|~(-k)为球调和核,此处P(t)为n次齐次调和多项式。     

гельфнд超越性判别法则多变量情形的推广(Ⅱ)

对于P∈C[x_1,…,x_x],H(P)表其高，并令t(P)=max(logH(p),1 degx_1(p),…1 degx_x(p).设n≥1,(θ_1,…,θ_n)∈C~n.A(θ_1,…,θ_n)表示所有具有下列性质的实数η>1的集:存在实数N_0>0,使对于任何实数N≥N_0有多项式 F=F_N∈Z[x_1,…,x_n],t(F)≤N,     

非线性正系统的结构特性

这里扼要给出我们在非线性正系统方面所得到的几个结论,有关定义见文献[1].文献[2]中通过矩阵给出了线性正系统的概念.以下定义是更一般的:定义设某系统在零时刻由x 出发的轨线为φ(t,x),并记R_+~n={(x_1,x_2,…,x_n)~T∈R~n|x_i≥0,i=1,2,…,n).若对任意的x∈R_+~n,有φ(t,x)∈R_+~n,(?)t≥0,则该系统为一正系统.其中t 对于连续系统属于实数集R,对于离散系统属于整数集Z.     

关于部分变元的Liapunov方程

考虑线性系统■其中x=(y~T·z~T)~T,y=(x_1,…,x_m)~T,z=(x_(m+1),…,x_n)~T P>0,P+m=n);A,B,C,D是相应阶数的常数矩阵;A(t),B(t),C(t),D(t)均为[a,+∞)上相应阶数且足够连续可微的有界矩阵。     

m值随机变量序列一类极限定理的信息条件

设{X_s,n≥1}是在S={1,2,…,m}中取值的随机变量序列,其联合分布为P(X_1=x_1,…,X_n=x_n)=p(x_1,…x_n)>0,     

连续自映射——Ω爆炸

1.设(X,d)为紧致度量空间。用C~0(X,X)表全体X上连续自映射的集合并赋以C~0拓扑(一致收敛拓扑)。设f∈C~0(X,X)和任给ε>0。设x,y∈X。从x到y的一个ε链是指有限序列{x_0,…,x_n},使得x_0=x,x_n=y且d(f(x_(i-1)),x_i)<ε,i=1,2,…,n。用CR_ε(x)表X的这样的子集,使得y∈CR_ε(x)当且仅当存在从x到y的ε链。当y∈CR_ε(x)