一类约束下的参数估计问题

考虑线性模型ｙｎ×１＝Ｘｍ×ｐβｐ×１＋εｎ×１，（１）其中ｙｎ×１为样本观测值，Ｘ为ｎ×ｐ阶的设计阵，β为ｐ维参数向量，εｎ×１为ｎ维随机向量，ε为随机误差．Ｅε＝０，Ｄε＝σ２Ｖ这里σ２已知或未知皆可，Ｖ为ｎ×ｎ阶非负定阵．对于线性模型（１），...     

乘积矩阵的奇异值估计

本文给ｍ个矩阵乘积的奇异值估计：ｍ∑ｊ＝１ｉ（ｊ）＝（ｍ－１）ｎ＋ｉ＾ｍａｘ（ｍ）Ⅱ（ｊ＝１）σ＾（ｊ）ｉ（ｊ）≤σｉ≤（ｍ）∑（ｊ＝１）＝ｉ＋ｍ－１ｍｉｎ＾（ｍ）Ⅱ（ｊ＝１）σ＾（ｊ）,ｉ（ｊ）,１≤ｉ≤ｎ同时给出了（ｋ）∑（ｉ＝１）σｉ,＾（ｋ）Ⅱ（ｉ＝１）σｉ的一个下界。     

截断数据的线性回归模型

设有线性回归模型：ｙｉ＝α＋βｘｉ＋εｉ，只能观察到（ｚｉ，δｉ），其中ｚｉ＝ｍｉｎ（ｙｉ，ｔｉ），δｉ＝Ｉ（ｙｉ≤ｔｉ），ｉ＝１，２，…，ｎ．本文讨论了｛ｔｉ｝独立不必同分布条件下，β的估计以及它的相合性和渐近正态性     

方差分量生长曲线模型中回归系数线性估计的泛容许性

讨论了方差分量生长曲线模型： Ｙ＝ Ｘ１ Ｂ Ｘ２′＋ ε Ｅ（ε） ＝ ０ Ｖａｒ（ Ｖｅｃ（ε）） ＝ ＷθΣ＝ ∑ｍｉ＝ １ θｉ Ｖｉ Σ其中 Ｙ、ε为ｎ ×ｐ 的随机矩阵; Ｘ１、 Ｘ２ 分别为ｎ ×ｋ、ｐ ×ｑ 的设计矩阵; Ｖｉ ≥０, ｉ＝１,２,…,ｍ ; Σ≥０已知; Ｂ、θｉ ≥０（或＞ ０）, ｉ＝ １,２,…,ｍ 都是参数。在损失函数（ｄ － Ｋ Ｂ Ｌ）（ｄ － Ｋ Ｂ Ｌ）′下我们给出了可估函数 Ｋ Ｂ Ｌ的线性估计的泛（Φ） 容许性定义, 得到了 Ｍ Ｙ Ｎ（ Ｍ Ｙ Ｎ ＋ Ｃ） Ｋ Ｂ Ｌ的泛容许性估计的充要和充分条件     

一簇余维数为1的子空间划分空间

利用两簇余维数为１的子空间划分空间。设Ｆｉ是实向量空间Ｖ的子空间，Ｆｉ＝１（ｉ＝１，２，…，ｎ），Ｆｉ∩Ｆｊ＝Ｆ１∩Ｆ２（ｉ≠ｊ），ｃｏｄｉｍＦ１∩Ｆ２＝２，Ｆ＝　Ｆｉ则Ｆ把Ｖ划分成２ｎ个等价类；设Ｆ１，Ｆ２，…，Ｆｎ（ｎ≥３）是两两不等的实向量空间Ｖ的子空间，Ｆ１∩Ｆ２∩Ｆ３＝Ｆｉ，ｃｏｄｉｍＦｉ＝１（ｉ＝１，２，…，ｎ），ｃｏｄｉｍＦ１∩Ｆ２∩Ｆ３，Ｆ＝　Ｆｉ，则Ｆ把Ｖ划分成２＋ｎ（ｎ－１）个等价类。     

一类中立型时滞差分方程非振动解的渐近性态

研究中立型时滞差分方程△「ｙ（ｎ）＋ｋ／∑／ｉ＝１ｙ（ｎ－τｉ」＋ｍ／∑／ｊ＝１Ｑｊ（ｎ）ｙ（ｎ－σｊ）＝ｒ（ｎ）,ｎ∈Ｎ的排振动解的渐近性态。     

降秩相依回归系统的泛岭改进估计

对于二个相依回归系统ｙｉ＝Ｘｉβｉ＋ｅｉ,Ｅ（ｅｉ）＝０,Ｃｏｖ（ｅｉ,ｅｊ）＝σｉｊＩ（ｉ,ｊ＝１,２）,当设计阵Ｘｉ（ｉ＝１,２）为ｎ×ｐｉ的列满秩阵时,其参数的估计已为许多学者所研究．在Ｘｉ（ｉ＝１,２）不是列满秩阵的情况,提出一种新的估计——降秩泛岭改进估计,并且探讨了这种估计及其相应的两步估计的各种性质．     

由位置码性质所确定的集合的Hausdorff维数

设Ｆ为一Ｍｏｒａｎ集，Ω＾ｗ＝П↑∞↓ｉ＝１｛１，２，…，ｎ｝，φ为Ω＾ｗ→Ｆ的一个相关的自然满射；Γｉ，…，Γｋ两两不交且∪↑ｋ↓ｉ＝１Γｉ＝｛１，２，…，ｎ｝。令Ｈ（Γｉ，…，Γｋ）＝φ（Ｈ（Γｉ，…，Ｆｋ）），此处Ｈ（Γｉ，…，Γｋ）＝｛σ∈Ω＾ｗ：ｌｉｍ↓ｌ→∞Ｃａｒｄ｛１≤ｉ≤ｌ：σ（ｉ）∈Γｊ｝／ｌ＝Σ↓ｉ∈Гｊｃｉ，１≤ｊ≤ｋ｝。这里ｃｉ≥０且Σ↑ｎ↓ｉ＝１ｃｉ＝１。得到了下列结论：     

部分线性模型中估计的强相合性

考虑回归模型ｙｉ＝ｘｉβ＋ｇ（ｘｉ）＋σｉｅｉ,１≤ｉ≤ｎ,其中σｉ２＝ｆ（ｕｉ）,（ｘｉ,ｕｉ）是固定非随机设计点列,ｆ（·）和ｇ（·）是未知函数,β是待估参数,ｅｉ是随机干扰．本文基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计βｎ和加权最小二乘估计βｎ,在适当的条件下证明了它们的强相合性．     

线性结构关系模型参数估计的强收敛速度

该文讨论了线性结构关系模型｛β’ｘｋ＋α＝０ ζｋ＝ｘｋ＋εｋ ｛εｋ，ｋ＝１，２，…，ｎ｝，ｉ，ｉ，ｄ。ｋ＝１，２，…，ｎ，Ｅ（ε１）＝０ ｖａｒ（ε１）＝σ＾２Ｉｍ式中，｛ｘｋ，ｋ＝１，２，…，ｎ｝为一组ｉ．ｉ．ｄ。的不可观测的ｍ维随机向量，｛ｘｋ，ｋ＝１，２，…，｝，与｛εｋ，１，２，…，ｎ｝相互独立。