一类相关性良好的二元周期序列组

一、引言二元周期序列是指(?)=(s_1,s_2,…,s_n…)其中s_i等于 1或-1,而s_1=s_(i n)(i=1,2,…)。n叫作该序列的周期。序列(?)的自相关函数是指σ_k(?)=sum from i=1 to n (s_is_i k(k=1,2,…,n-1)),若(?)=(a_1,a_2,…,a_n…)和(?)=(b_1,b_2,…,b_n…)均是周期为n的二元序列,则它们的互相关函数是指     

线性模型中误差方差估计的级数形式的收敛速度

设y_i=x_i′β e_i,i=1,…,n是一般线性模型,σ~2=Vare_i,记误差方差σ~2的估计量为δ_n~2,δ_n~2是残差平方和(除以适当的自由度)。假定试验误差e_1,e_2,…独立同分布。本文研究了δ_n~2的级数形式的收敛速率。     

一类线性有偏估计的若干性质

§1 引言考虑一般的线性模型y=Xβ+e,E(e)=0,E(ee′)=σ~2I_n,(1) 这里y是n维向量,X是n×p的已知设计矩阵,其秩为g(≤p),β是n维未知的参数向量,e是n维随机误差向量。文献[1]按下面的方法定义了β的一个线性有偏估计类,这个估计类不仅包含了数理统计文献中常见的几种线性有偏估计,而且把它们推广到了X具有任意秩的情形。它的定义是首先把线性模型(1)化为典则形式:设P为p×p正交方阵,P′X′XP=diag(λ_1,…,λ_q,     

线性回归中高杠杆点和强影响点的一种诊断方法

1 Andrews—pregibon诊断量的密度函数考虑线性回归模型Y=Xβ ε (1) 其中X为nx(p 1)阶列满秩已知设计矩阵,β为p 1维未知参数向量,Y为n维观测向量,ε=(ε_1,ε_2,….,ε_n)~τ为n维随机误差向量。     

线性模型LSE函数刀切估计的渐近正态性

设β为线性模型Y=Xβ+e的LSE,f为-p元函数,本文有如下结果: 若β∈{β:||β-β_0||<ε},??(t=1,…,p)满足Lipschitz条件,E|e_1|~(2+δ)<∞,δ>0;X_t为一有界点列,则有??(Q-Q_0)→N(0,σ~2f'(β_0)~rΣ~(-1)f'(β_0))其中,σ~2=Ee_1~2,Q_0=f(β_0) Q为f(β)的刀切估计.     

许定理的一个推广

§1 引言考虑线性模型y=Xβ+U_1ε_1+…+U_kε_k (1)其中 X,U_1,…,U_K 分别是已知的 n×p,n×n_1,…,n×n_k 矩阵,秩 X相似文献   

关于微分方程的解对部分变元的稳定性

本文对部分变元考察微分方程的零解的稳定性.建立四个关于部分变元的稳定性,渐近稳定性和全局渐近稳定性的定理.§1.基本定义考虑扰动运动微分方程组(?)x_i=X_i(t,x_1,…,x_n)(i=1,…,n)或写成向量形式(?)=X(t,x),X(t,0)≡0 (1)我们研究未被扰动运动x=0关于部分变元x_1,…,x_m(m>0,n=m p,p≥0)的稳定性问题.为简单起见,记y_i=x_i(i=1,…,m),z_j=x_(? j)(j=1,…,n-m=p),即x=(y_1,…,     

指数分布尺度参数最佳仿射同变估计的改进

设 X 是具有指数分布的随机变量,其密度函数为p(x)=(?)其中-∞<μ<+∞,0<σ<+∞,μ和σ均未知。本文给出了σ的一个新的估计(?)+(n-r)x_((r))-nx_((1) )]·f(?)(y),此处y=(?),f(?)(y)=(?)n 是子样容量,r 是截尾数,x_((i))表示第 i 个顺序统计量(i=1,2,…,r)。文中证明了(?)关于损失函数 L((?),σ)=(((?)/σ)-1) ~2比最佳仿射同变估计(?)=1/r[(?)x_((i))+(n-r)x_((r))-nx_((1) )]处处有较小的风险,因此是一个改进。     

矩阵损失下的协方差阵Σ的二次型估计的风险函数

考虑模型 H:Y=( Y1 ,Y2 ,… ,Yn)′=( X′1 ,X′2 ,… ,X′n)′β+ ( e1 ,e2 ,… ,en)′ Xβ+ e.其中 ,Yi:r维列观察向量 ,Xi:r× p已知矩阵 ,i=1 ,2 ,… ,n.β=( β1 ,β2 ,… ,βp)′是 p维未知参数向量 .e1 ,e2 ,… ,en　iid,e1 与r维正态分布 Nr( 0 ,Σ)有相同的前 4阶矩 ,这里Σ是未知的 r× r协方差阵 .在矩阵损失函数 L( d,Σ) =( d-Σ) 2 下 ,给出了Σ的二次型估计类 { Y′AY:A≥ 0 ,A∈ Rn× n}的风险函数 .     

Clifford分析中的一些边值问题

我们考虑以 e_A=e_(α1)…e_(?)(A={α_1,…,α_h}(?){1,2,…,n},1≤α_1<α_2<…<α_h≤n)为基底元素的实 Clifford 代数 A_n(R),其中 e_1=1,e_k~2=1(k=2,3,…,n),e_ke_m+e_me_k=0(k(?)m,k、m=2,…,n).并且用 V_n 表示由 e_1,…,e_n 所张成的 A_n(R)的子空间.V_n 中的元素为 x=sum from k=1 to n x_ke_k,An(R)中元素为 u=sum from A x_Ae_A.设 D 为 V(?)中的连通开集.在实 Clifford 分析中研究函数类     

固定设计下半参数回归模型估计的随机加权逼近

考虑固定设计下的半参数回归模型:y_i=x_iβ g(t_i) e_i,i=1,…,n 对利用一般非多数估计法结合最小二乘法得到的参数分量β和误差方差σ~2的估计量(?)_n和(?)_n~2,本文用随机加权法构造了(?)_n和(?)_n~2的随机加权统计量H_(?)_n和H_(?)_n~2,并证明了在给定原样本的条件下,H_β_n和H_((?)_n~2)分别与n~(1/2)((?)_n-β)和n~(1/2)((?)_n~2-σ~2)有相同的渐近分布.     

线性方程组的有关反问题

文[1]中研究了由微分方程提出的反问题,即给定两组n维向量x_i,b_i(i=1,2,(…,p),求未知的n×n阶矩阵A满足Ax_i=b_i(i=1,2,…,p)(1)本文称为反问题1。这里给出了带自由参数的通解形式,不必求特解。文[2]研究了由控制论提出的有关反问题,即给定两个n维向量x_1,b_1,求未知的正定矩阵A满足     

部分线性模型中非参数估计的强相合性

考虑部分线性模型:y_i=x_iβ+g(t_i)+σ_ie_i,1≤i≤n,其中σ_i~2=f(u_i),(x_i,t_i,u_i)是固定非随机设计点列,f(·)和 g(·)是未知函数,β是待估参数,e_i 是随机误差。我们研究了基于β的最小二乘估计β_n 和加权最小二乘估计_n 的非参数 g(·)的估计,并证明了他们的强相合性。     

关于R^n＋1中超曲面在平坦点的局部性质的讨论

设P_0是R~(n+1)中超曲面 S:x_(n+1)=h(x_i)或f(x_i,x_(n+1))=x_(n+1)—h(x_i)=0 (i=1,2,…,n) (1)的平坦点。不妨设在坐标系[0;e_i,e_(n+1))中,0=P_0,x_(n+1)=0是S在P_0的切超平面于是有     

关于半正规的几类群

利用子群的半正规性讨论了几类有限群的结构,得到如下主要结果:(l)极大子群超可解的有限群当其极大子群的极小子群半正规时,它不是超可解群就是如下三种群之一:(I)p~αq~β阶内-Abel群,p(?)q-1;(Ⅱ)p~(α+β)r(?)阶群,α≥2,β≥0,p~β=│φ(G)│,p~(α-1)||r—1,α~((?)~α+β)=c_1~(?)=c_2~(?)=…=c_(?)~(?)=1,c_ic_j=c_jc_i,i,j=1,2,…,p,c_(?)~(?)=c_(i+1),i=1,2,…,p-1,c_(?)~(?)=c_1~(?),t(mod r)指数p~(α-1);(Ⅲ)D_(2_q)型群;(2)极大子群可解的非Abel有限单群当其二次极大子群的极小子群半正规时,G恰为A_5.     

线性最小二乘拟合问题的一个算法

一、引言 设给定x_i i=1,2…m,x_i∈[a,b]及此m个点上数据资料f_i i=1,2,…,m,寻求一函数φ(x)=sum from j=1 to n (α_jφ_j(x)),使sum from i=1 to m(ω(x_i)r_i~2)=sum from i=1 to m(ω(x_i))(f_i-(x)=sum from j=1 to n (α_jφ_j(x_i))~2达到最小,此即是带权ω(x)的线性最小二乘问题,其中ω(x)在[a,b]上定义,α_j是拟合系数,n是拟合阶数。     

线性空间的分解与若当标准形

本文证明了下面两点:(1)设A 是n×n 矩阵,那么A 相似于(?)为若当块矩阵,它仅有一个特征值和一个线性无关的特征向量.(2)者|λI-A|=(λ-λ_1)~(r_1)-(λ-λ_2)~(r_2)…(λ-λ_3)~(r_3),其中λ_1,λ_2,…,λ_3两两不同,那么dimN(A-λI)~(r(?))=r_(?)(i=1,2,…,8)其中Ⅳ(A-λ_1I)~(r(?))={α|α∈U~n,(A-λI)~(r(?))·α=0}.U~n 是n 维列向量.     

END序列下半参数回归模型估计的相合性

研究误差为END序列的半参数回归模型y_i=x_iβ+g(t_i)+σ_iε_i(i=1,2,…,n).应用加权估计与最小二乘估计方法,建立未知参数β和未知函数g的最小二乘估计与加权最小二乘估计的估计量.利用END序列的Rosenthal不等式以及截尾的方法证明p(p1)阶矩的相合性.     

具有两个非线性执行机构的直接调节系统的绝对稳定性

§1.总说本文讨论具有两个非线性执行机构的直接调节系统,即是由方程组 dx/dt=Ax Bf(σ) σ=d′x所描述的直接调节系统,这里x是n维列向量,σ是2维列向量,A是特征值全具负实部的n阶方阵,B平d是n×2阶矩阵,A、B、D的元素都是实数,f(σ)是2维列向量,它的第j个坐标f(σ)只依赖于向量σ的第j个坐标σ_j,即f_j(σ)=f_j(σ_j),(j=1,2),并且f(0)=0。若对任何适合条件     

关于方阵非奇异条件的讨论

在〔1〕中有这样一个结论:m 1个n 阶方阵A~(?)=(a_(ij)~(s)) (s=0,1…,m)同时非奇异的必要充分条件是它们的元素a_(ij)~(s)满足n 个不等式(k_0=1,2,…,n):H_k_0=丨(?)丨>0.本文的目的,要阐明上面的结论是错误的.给出例子,并指出其错误的原因。先看条件H_k_0>0的含意,当m=1,n=2时便有