正态均值线性估计的可容许性

假定多元随机变量Y~Nn(β,σ2V),β∈Rn,σ2>0未知,V≥0已知;讨论了均值向量β的线性估计的可容许性,并在二次损失函数‖δ(Y)-β‖2下,得到了均值向量β的线性估计可容许的充要条件.     

线性估计可容许性的一个新证明

对一般的线性模型y～(Xβ,σ2V)和y～(Xβ,V)其中X和V为已知矩阵,σ＞0和β∈R     

不等式约束下线性模型中回归系数的所有可容许估计

对于线性模型Y=Xβ+ε, ε~N(0,V]), V>0已知, 给出了在不等式约束RXβ≥0下[WTHX]β[WT]的线性估计在二次损失下及一切估计类中为可容许的充要条件.     

二次损失下齐次线性估计类中关于不等式约束的可容许估计

刻划了线性模型(Y,Xβ,σ2V)在不等式约束r'β≥0条件下的线性估计的可容许性,在二次损失下,给出了在齐次线性估计类中可容许的一个充要条件。     

线性模型误差协方差阵的扰动对线性假设F检验显著水平的影响

讨论正态线性模型Y＝Xβ ε,ε-N(0,σ^2V)中关于参数β的假设检验问题H0：Hβ＝0。给出V≠kIn时通常的F检验显水平的上界和下界。     

约束线性回归模型的一种有偏估计

对于带约束的线性回归模型,y=Xβ+e,E(e)=0,Cov(e)=σ2V,V>0,Rβ=0,给出了回归系数的有偏估计β*R(k)=(kM+I)-1β*R(k≥0),讨论了其一些性质,而且给出了在均方误差阵下β*R(k)优于β*R的条件.     

矩阵损失下随机效应模型回归系数的齐次线性MINIMAX估计

对于随机效应模型{Y=Xβ ε E(βε)=(Aα0) Cov(βε)=σ2(V1 00 V2),(Vi＞0,i=1,2)这里β和ε分别为p维和n维的随机向量.我们对β和α的可估函数Sα Qβ进行估计,在一定条件下,得出了可估函数Sα Qβ在齐次线性估计类中的唯一的MINIMAX估计.     

一般线性回归模型的有偏估计及其容许性

根据线性回归模型[y=Xβ+ε;ε～(0,σ2V);V>0],给出了一种新的有偏估计βd(V),讨论了该有偏估计的优良性质,在均方误差矩阵准则下比较了新估计与广义最小二乘估计的性能,并证明了其容许性.     

正态均值向量参数的估计

本文给出了控制最小二乘估计的James-Stein型改进估计量,刻划了正态模型Y～N(Xβ,σ~2V),V可以奇异,σ~2∈S(?)(0,+∞),0(?)(?)下的线性可容许估计的特征。     

线性模型的广义压缩预测

考虑线性模型y=Xβ+e,E(e)=0,Cov(e)=σ2V在V=IN且2≤ rkX=P≤N假设下,针对X的复共线性,提出了广义压缩预测.     

导数定义公式的一个推广及其应用研究

将导数在某一点的定义f(x0)=lim(h→0)f(x0+h)-f(x0)/h推广为f(x0)=limf[x0+α(x)]-f[x0+β(x)]/α(x)-β(x)(α(x)→0,β(x)→0),从而简化了有关导数定义一类问题的求解.     

Hardy—Littlewood定理的一个简单证明

本文给出了Hardy-Littlewood定理的充分性的一个简单证明。     

U_β-凸模和正规结构

本文给出了uβ-凸模,和Uβ-空间的定义,证明了对于Banach空间X,若uβ(1)>0,则X是一致非方的;若存在δ>0,使uβ(12-)δ>0,则X具有正规结构.     

分数阶微分方程边值问题正解的存在性

利用不动点指数理论,在相应线性算子的第一特征值的条件下,对下面的分数阶微分方程建立了正解的存在性定理Dα0+u(t)+f(t,u(t))=0,0相似文献   

确定双曲型方程未知系数的反问题

本文在有界区域上讨论了一雏线性双曲型方程的初边值问题. {p(x)ux)x q(x)u(x,t) r(x)s(t), (x,t) ∈Ωu(x,0) =f1(x), u1(x,0) =f2(x), 0≤ x ≤ lαtu(0,t) β1ux(0,t)= g1 (t), α2u(l,t) β2ux(l,t)= g2(t), 0≤ x ≤ T 其中αi2 βi2≠0,i=1,2,由给定的平行附加条件u(x,t)=f3(x),确定未知函数r(x)的反问题,得到了反问题解的存在性和唯一性.     

一类拟线性第二边值问题的存在唯一性

本文在ｆ（ｔ,ｘ）,ｆｘ（ｔ,ｘ）,β（ｔ）连续,ｆｘ（ｔ,ｘ）≥－β（ｔ）,β（ｔ）≤π２０＋α２４,β（ｔ）π２０＋α２４,π０为方程αｓｉｎｘ２＋ｘｃｏｓｘ２＝０的最小正根条件下,证明了第二边值问题．ｘ＂＝αｘ＋ｆ（ｔ,ｘ）,ｘ（０）＝ａ,ｘ（１）＝ｂ对于任给实数α,ａ,ｂ都有唯一解     

奇性常微分方程差分解的外推

本文利用 Crank—Nicholson 格式导出奇性微分方程,形如t∈[0,1],0<β<1,F(t)∈C~∞[0,1],F(0)≠0的差分解展开式,并对其展开式应用 Richardson 外推,使外推后的近似解(f)与真解 U(t)的误差在\{0}上达到 O(π~(2+β)).     

复Ginzburg-Landau方程弱解的唯一性

证明了n维欧式空间中复Ginzburg-Landau方程ut-(λ+iα)Δu+(κ+iβ)|u|p-2 u-γu=0在光滑有界区域Ω上弱解的唯一性,其中,i=(-1)^(1/2),λ,κ,γ>0,α,β∈R.用先验估计的方法将2维空间中唯一性结果推广到了任意维空间上,只限制指数2相似文献   

非线性两点边值问题的对称正解

利用锥的不动点指数定理,讨论了以下非线性两点边值问题-x″(t)+2ρx(t)=f(x(t)),t∈(0,1),αx(0)-βx(′0)=0,γx(1)+δx′(1)=0,的正解.其中f∈C(R+,R+),ρ>0,α,β,γ,δ≥0,(α+β)(γ+δ)>0,且αδ=βγ.