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:     

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]。     

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     

镶成右凸语言并、交、连结的超码与右凸语言幺半群的自由性

设X为有限字母表,X~*为X生成的自由幺半群。X~*的子集称为X上的语言,X~*的元素称为X上的字,X~*的恒等元1称为X上的空字,X~+=X~*-{1}。很多作者认为X~*上的嵌入序≤是一个十分重要的偏序: x≤y当且仅当x=x_1x_2…x_n,y=y_1x_1y_2x_2…y_nx_ny_(n+1)。围绕嵌入序定义了若干类语言:     

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     

任意信源相对熵密度的若干性质

其中log是自然对数。f_n(ω)称为{X_i,1≤i≤n}的相对熵密度。考虑{f_n,n≥1}在一定意义下的极限是信息论中的一个重要问题(参见文献[1]及其所引文献)。本文目的是要研究这个问题和给定值在{x_n}中的频率的某些关系。     

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     

关于Schwarz引理的一种推广

庄圻泰教授(中国科学,1981,7)给出Schwarz引理在C~@的一种推广,我们发展和改进上述工作。记R_ ~(?)={(x_1,…,x_x)∈R~x|x_j≥0,1≤j≤n}。设m(x_1,…,x_n)为R_ ~(?)上的连续函数,满足:1°若     

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   

Kuhn求根算法的收敛速度

设f(x)是n次复多项式。H. W. Kuhn构造了序列(x_(jk),d_(jh),j=1,…,n,k=1,2,…,使得,这里x_1,…,x_n都是,f(z)的根(Fixed Points; Algorithms and Applications, Acade-mic Press, New York. 1977)。     

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     

低于临界指标的Bochner-Riesz平均的逼近性质

记Q~n={(x_1,…,x_n):-π≤x_j<π,j=1,…,n}。Z~#表示R~n中的整格点集。对于f∈L(Q~n)的n重Fourier级数及其共轭级数的α阶Bochner-Riesz平均定义为其中a_m(f)为f的Fourier系数,K(x)=P(x)|x|~(-n-k)(k≥1),P为k次齐次调和多项     

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.     

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     

一类泛函方程逐步逼近法的控制收敛定理

本文用矩阵谱半径这个重要数据建立一类泛函B_i(i=1,2,…,n)的乘积空间,x=col(x_1,x_2,…x_n)方程逐步逼近法的两个控制收敛性定理。∈B,意指x_i∈B_i(i=1,2,…n)可仿n维欧氏空间 设B(?)B_1×B_2…×B_n为n个Banach空间的三种赋范方式对B赋范。     

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)     

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:     

关于广义U、统计量的Jackknife与Bootstrap

设{X_j}_(j=1)~(n_1)、{Y_k)_(k=1)~(n_2) 分别为来自总体F_1与F_2的独立样本,{X_j}与{Y_k}相互独立。且设φ(x_1, …, x_(m_1); y_1,…, y_(m_2))为分别关于各x变元和各y变元对称的Borel可测函数。关于θ=Eφ的无偏估计可取以为核的广义U统计量     

布尔函数的变元可分离扩张

定义1 令f(x_1,…,x_n)是n元布尔函数,~~