非稳定生产过程的Bayes质量控制模型

本文首次提出了非稳定生产过程质量报警的Ｂａｙｅｓ模型，文中被考察的质量指标Ｘ视作概率空间上的随机变量，而视θ为概率空间上的随机变量，λ∈∧为未参参数，π∈П，П为某一已知的参数分布族。采用经验的Ｂａｙｅｓ方法，依据历史样本Ｘ１，Ｘ２，．．．，Ｘｎ及当前本Ｘ０θ的函数α（θ）＝Ｐθ的估计α（θ）＝α（Ｘ１，．．．Ｘｎ，Ｘ０）其中ｘ０为相应的质量标准，θ０为当前参数θ的真值。     

p－反演算子及拓扑度计算

设Ｘ是实Ｂａｎａｃｈ空间，Ω（Ｘ）是非空有界开集，θ对Ｐ≠１，令称Ω＿ｐ为Ω的ｐ－反演集．设Ｆ：→全连续，在ｂｄ（Ω）上没有不动点，定义Ｆ＿ｐ：→Ｘ为称Ｆ＿ｐ为Ｆ的ｐ－反演算子．证明了：定理１ｄｅｇ（Ｉ－Ｆ＿ｐ，Ω＿ｐ，θ）＝ｓｉｇｎ（１－ｐ）·ｄｅｇ（Ｉ－Ｆ，Ω，θ）．定理２　若存在ｘ＿０∈Ω，使对任意ｘ∈ｂｄ（Ω），λ≥１，有则ｄｅｇ（Ｉ－Ｆ，Ω，θ）＝ｓｉｇｎ（１－ｐ）．     

Cramer-Rao下界问题的参数不变性

参数θ的无偏估计的方差与I^＊（θ）=inf｜Eθ[P（X,θ＋h）-P（X,θ）]/[hP（X,θ）]）^2：h≠0,θ＋h∈Θ}之间的关系;信息不等式的界对一个光滑的再参数化的不变性.     

用球面Jackson多项式刻划Besov空间

记Ｓｎ－ １ 为ｎ（ｎ ≥３） 维欧氏空间Ｒｎ 中的ｎ － １ 维单位球面,Ｘｐ （Ｓｎ－ １） 为Ｓｎ－ １ 上的ｐ（１ ≤ｐ ≤∞） 幂可积函数空间,或连续函数空间,并记Δ＝ ｛ｇ（ｘ）｜ｇ,Δｇ ∈Ｘｐ （Ｓｎ－ １）｝,Δｆ ＝ ｎｉ＝ １２ｇ（ｘ）ｘｉ２ ｜｜ｘ｜＝ １,ｇ（ｘ） ＝ ｆ（ ｘ｜ｘ｜）．作Ｋ 泛函Ｋ（ｆ,δ）ｐ ＝ ｉｎｆｇ∈Δ｛‖ｆ － ｇ‖ｐ ＋ δ‖ｇ‖Δ｝以及Ｂｅｓｏｖ 空间（Ｘｐ ,Δ）θ,ｑ（０ ＜ θ＜ ２,１ ≤ｑ ≤∞）,则有下面的（ｉ）,（ｉｉ） 为等价的：（ｉ）　ｆ ∈（Ｘｐ ,Δ）θ,ｑ;　（ｉｉ）　［∞ｖ＝ １（ｖθ‖Ｊｖ,ｓ（ｆ） － ｆ‖ｐ）ｑ １ｎ ］１ｑ ＜ ＋ ∞当ｑ＝ ∞时,ｆ ∈（Ｘｐ ,Δ）θ,∞‖Ｊｖ,ｓ（ｆ）－ ｆ‖ｐ ＝ Ｏ（ｖ－ θ）,其中Ｊｖ,ｓ（ｆ）为球面Ｊａｃｋｓｏｎ 平均。     

一类单边截断族中参数的渐近有效估计

本文对单边截断型分布族｛１τ∫（ｘ－θ）τ）ｄｘ｜θ∈Ｒ，τ＞０｝，构造了位置参数θ的一类渐近有效估计和自适应估计     

分布尾等价与极值的矩收敛

设（Ｘｎ，ｎ≥）是公共分布为Ｆ（ｘ）的独立同分布序列（简称ｉｉｄ序列，下同），（Ｘ１，Ｘ２，…Ｘｎ）的第ｋ个（１≤ｋ≤ｎ）最大值为Ｍｎ＾ｋ，（Ｙｎ，ｎ≥）是公共分布为Ｇ（ｘ）的ｉｉｄ序列，（Ｙ１，Ｙ２…Ｙｎ）的第ｋ个（１≤ｋ≤ｎ）最大值为Ｍｎ＾ｋ，在Ｆ（ｘ）与Ｇ（ｘ）尾等价的条件下，讨论了Ｍｎ＾ｋ的ｌ（ｌ∈Ｎ）阶矩与Ｍｎ＾ｋ的ｌ（ｌ∈Ｎ）阶矩之间的收敛关系。得到定理 设Ｆ（ｘ）∈Ｄ（Ｈ），ｌ∈Ｎ（     

连续参数集值下鞅的收敛定理

首先给出了连续参数集值下鞅的定义．继而证明了连续参数集值下鞅的三个等价定理：（ａ）Ｌ１ｗｋｃ（Ｘ）值下鞅等价于任给τ１＜τ２,τ１,τ２∈Ｔ,∫ΩＦτ１ｄＰ∫ΩＦτ２ｄＰ;（ｂ）Ｌ１ｆｃ（Ｘ）值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ｓ１Ｆｓ（Ｆｓ）ｃｌ｛Ｅ（ｇ｜Ｆｓ）,ｇ∈Ｓ１Ｆｔ（Ｆｔ）｝;（ｃ）Ｘ可分时,闭凸集值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ａ∈Ｆｓ,ｃｌ∫ＡＦｓｄＰｃｌ∫ＡＦｔｄＰ．最后给出了弱紧凸集值随机集族的弱收敛定理和Ｘ有ＲＮＰ,Ｘ可分时闭凸集值右连续下鞅的弱收敛定理．     

关于弱θ-加细空间的积空间

本文证明了弱θ－加细空间（弱δθ－加细空间）与正则δ－紧空间的积是弱θ－加细的（弱δθ－加细的）；当每一ｎ∈Ｎ，∏ｎｉ＝１Ｘｉ是完备的弱δθ－加细空间时，∏∞ｉ＝１Ｘｉ是弱δθ－加细的。     

全纯函数的延拓

设Ｄ包含Ｃ＾ｎ为有Ｃ＾３边界的有界强拟凸域，Ｘ＝｛ｚ＝（ｚ１．．．ｚｎ），ｚ＾ｎ＝０｝，Ｄ与Ｘ截交，则对任意ｆ∈Ｈａ（Ｄ∩Ｘ），存在ｆ∈（Ｈａ（Ｄ），且。     

用Loeb测度构造正则及τ－光滑Borel测度

设（Ｘ，Ｔ）是Ｔ２空间，Ｔ１是拓扑Ｔ的基，Ａ是＊Ｘ上的内代数，ν是Ａ上的内测度，本文用无穷小方法证明了：在ｋ－饱和的非标准模型中，若Ｘ是正则空间，且对每一Ｔ∈Ｔ１，＊Ｔ∈Ａ，则对Ｘ的每一Ｂｏｒｅｌ集Ｂ，ｓｔ－１（Ｂ）∈Ｌｕ（Ａ）∩ｎｓ（＊Ｘ），且νｓｔ－１｜Ｆ（Ｘ）是τ－光滑Ｂｏｒｅｌ测度，νｓｔ－１｜Ｆ（Ｘ）是Ｒａｄｏｎ测度；若对每一Ｔ∈Ｔ，＊Ｔ∈Ａ，并且对每一Ｔ∈Ｔ及每一ε∈Ｒ＋，有闭集ＣＴ，使Ｌ（ν）（＊Ｔ－＊Ｃ）＜ε，则对每一Ｂｏｒｅｌ集Ｂ，ｓｔ－１（Ｂ）∈Ｌ（ν，Ａ）∩ｎｓ（＊Ｘ）且νｓｔ－１｜Ｆ（Ｘ）是正则τ－光滑Ｂｏｒｅｌ测度．文中并讨论了这些结果在测度扩张中的应用     

带有讨厌参数的经验似然比置信区间

在许多情况下，形如θ０＝ＥＨ（Ｘ，μ）是人们所感兴趣的参数，这里Ｈ（·，·）是一已知在Ｒｄ×Ｒｋ上的连续实函数，其中，μ∈Ｒｋ是一讨厌参数，利用经验似然比泛函给出了θ０的经验似然比置信区间，属非参数方法，但其结果却类同于参数下的Ｗｉｌｋｓ定理和Ｏｗｅｎ的工作，同时给出了一些有用实例．     

相依样本下密度泛函估计的渐近性质

设Ｘ１，Ｘ２，…Ｘｎ是从某个具有密度函数ｆ（ｘ）的一维总体中抽出的一个随机样本，μ＝ＥＸ１。本文考察了洪圣岩所提出的密度泛函θ＝ｆ（μ）的核型估计ｆｎ（Ｘ）的大样本性质，在样本序列（Ｘｎ）为平稳、一致强混合的情形下，得到了ｆｎ（Ｘ）的强收敛速度，并证明了ｆｎ（Ｘ）具有渐近正态性。     

正则^＊—半群的覆盖

设Ｓ是一个正则＊－半群,Ｃ＊（Ｓ）是Ｓ的最小自共轭全子半群．在Ｓ上定义关系ρ：ａρｂｕ,ｖ∈Ｃ＊（Ｓ）ｓ．ｔ．ｕ＊ｕ＝ａａ＊,ｕｕ＊＝ｂｂ＊,ｖ＊ｖ＝ｂ＊ｂ,ｖｖ＊＝ａ＊ａ,ｂ＝ｕａｖ．用Ｇ表示Ｓ／ρ的置换群,Ｐ（Ｇ）表示Ｇ非空子集的集合．τ是Ｓ到Ｐ（Ｇ）的映射满足条件：（１）ｓ１,ｓ２∈Ｓ,（ｓ１τ）（ｓ２τ）（ｓ１ｓ２）τ;（２）ｓ∈Ｓ,｛ｇ－１∈Ｇ：ｇ∈ｓτ｝ｓ＊τ;（３）１τ－１＝Ｃ＊（Ｓ）．则Ｔ＝｛（ｓ,ｇ）∈Ｓ×Ｇ：ｇ∈ｓτ｝是Ｓ的一个Ｃ＊－酉覆盖．称正则＊－半群Ｓ的一个子集Ｈ是允许的,如果关于任意ａ,ｂ∈Ｈ,ｕ,ｖ∈Ｃ＊（Ｓ）,有ａ＊ｂ,ａｂ＊∈Ｃ＊（Ｓ）和ｕａ,ｂｖ∈Ｈ．用Ｃ（Ｓ）表示Ｓ的所有允许子集（注意到Ｃ（Ｓ）是逆半群）．设Ｓ是一个正则＊－半群,Ｇ是一个群．如果θ：ｇ→θｇ是Ｇ到Ｃ（Ｓ）的一个准同态满足∪ｇ∈Ｇθｇ＝Ｓ,则Ｔ＝｛（ｓ,ｇ）∈Ｓ×Ｇ：ｓ∈θｇ｝是Ｓ的一个Ｃ＊－酉覆盖且Ｔ／σＧ．反之,Ｓ的每一个Ｃ＊－酉覆盖都可以如此构造．     

一类无限维单李代数

给出复数域Ｃ上的结合代数Ｃａ「Ｘ，Ｙ，Ｘ＾－１，Ｙ＾－１」（ｑ＾ｎ≠１，ｎ∈Ｎ）的导子代数，并证明了为一个无限维单完备李代数。     

关于σ-局部可数基

证明了下列两个定理：（１）Ｘ有σ－局部可数基的充分必要条件是Ｘ是ｑ－空间且有－σ－局部可数ｋ－网．（２）设Ｘｎ（ｎ∈Ｎ）具有σ－局部ｋ－网，若为ｋ－空间，则下列之一成立．①每一Ｘｉ有σ－局部可数基．②除有限多个Ｘｉ外．Ｘｉ（ｉ∈Ｎ）为紧可度量空间．     

分布函数间散布序的性质

设Ｆ、Ｇ是两个分布函数，记Ｘ＾＋Ｆ（ａ）＝ｓｕｐ｛ｘ：Ｆ（ｘ）＜ａ｝，ＸＦ（ａ）＝ｉｎｆ｛ｘ：Ｆ（ｘ）＞１｝，ＸＦ（ａ）＝Ｘ＾＋Ｆ（ａ）＋ＸＦ（ａ））／２，α∈（０，１），［３］提出了分布函数间的一种散布序。     

局部凸空间上的谱算子

推广了Ｂａｎａｃｈ空中谱测度、可测函数关于谱测度的积分、谱算子及其约当分解到局部凸空间．得到定理１设Ｔ∈Ｌ（Ｘ）为谱算子，Ｅ（）为其单位分解．定义算子Ｓ＝Φ（λ），其中λ代表函数ｆ（λ）＝λ，称Ｓ为Ｔ的标部．则（ｉ）Ｄ（Ｓ）在Ｘ中稠，且Ｓ是一个闭线性算子．（ｉ）当Ｔ∈Ｌｂ（Ｘ）时，Ｓ∈Ｌ（Ｘ），且Ｎ＝Ｔ－Ｓ是一拟幂零算子，ＮＳ＝ＳＮ．（ｉｉ）在Ｄ（Ｓ）上成立Ｔ＝Ｓ＋Ｎ，其中Ｎ满足：任意有界闭集ｅ∈ΣＰ，ＮＥ（ｅ）Ｘ是一拟幂零算子，且ＳＮ＝ＮＳ在Ｘ的某稠密子空间上成立     

实对称矩阵逆特征值问题的可解条件

该文考察以下２个逆特征值问题（１）问题（ＳＡ）；设Ａ＝（ａｉｊ）为ｎ阶实对称矩阵，其主对角元ａｉｊ＝０，ｉ＝２，．．．．ｎ，给定时角矩阵Ａ＝ｄｉａｇ（λ１，λ２，．．．．λｎ）∈Ｒ＾ｎ×ｎ，求一实时对角矩阵Ｘ＝ｄｉａｇ（ｘ１，ｘ２，．．．．ｘｎ）∈Ｒ＾ｎ×ｎ，使λ（Ａ＋Ｘ）＝λ（Ａ），（Ⅱ）问题（ＳＭ）：设Ａ（ａｉｊ）为ｎ阶实时对称矩阵，其主对角元ａｉｊ＝１，ｉ＝１，２，．．．．ｎ。给定对角矩阵Ａ     

几种非正态总体未知参数的贝叶斯假设检验问题

利用贝叶斯统计思想总结了两种常见的假设检验方法,在此基础上针对双边检验H0∶θ=θ0,H1∶θ≠θ0,提出了构造参数θ的否定域,即求出参数θ的置信概率为1-α的最大后验区间D,区域Θ-D为参数θ的否定域.检验θ是否在否定域内,若在就否定H0.研究了四类非正态总体几何分布、负二项分布、威布尔分布和瑞利分布的未知参数的贝叶斯假设检验,并给出了相应的否定域.     

有替换定时截尾寿命试验参数的极大似然估计

１样品似然及样本似然首先引入样品似然及样本似然的定义．各类型数据的样品似然定义如下：（１）实测值：设第ｉ个样品的寿命的实测值为ｙｉ,则其似然函数为Ｌｉ＝ｆ（ｙｉ;θ１,θ２,…,θｌ）．其中,ｆ是假定分布的概率密度函数,θ１,θ２,…,θｌ是待估参数...