广义区间估计及其最优性〔Ⅲ）

在提出了广义区间估计以及其上的最优性概念之后，证明了广义区间估计与假设检验的最优性之间的关系，推演了若干重要区间估计的最优性．     

广义区间估计及其最优性(Ⅲ)

在提出了广义区间估计以及其上的最优性概念之后,证明了广义区间估计与假设检验的最优性之间的关系,推演了若干重要区间估计的最优性.     

导出参数的无偏类区间估计问题（I）

在文献（工科数学，2002，2（18）：59－63．）的基础上，将一个总体的情形拓展到两个总体的情形，在建立了对导出参数的区间估计与假设检验的最优性概念，给出了区间估计与假设检验最优性的关系之后，证明了一个重要区间估计的最优性。     

关于无穷区间估计与假设检验的最优性

在提出无穷区间估计以及其上的最优性概念之后，证明了无穷区间估计与相应假设检验的最优性之间的关系，及推演了若干重要的无穷区间估计的最优性．     

导出参数的无偏类区间估计问题(Ⅰ)

在文献(工科数学,2002,2(18)59～63.)的基础上,将一个总体的情形拓展到两个总体的情形,在建立了对导出参数的区间估计与假设检验的最优性概念,给出了区间估计与假设检验最优性的关系之后,证明了一个重要区间估计的最优性.     

一类多元线性函数方程(Ⅰ)

设函数f(x1，x2，…，xn)对xn有连续二阶偏导数，我们寻求函数方程n↑∑i=1(-1)^i-1[f(x1，…，xi xi 1，…，xi 1) f(x1，…，xi-xi-x(i 1)，…，x(n 1))] (-1)^n2f(x1，x2，…，xn)=0的一般解．首先，给出了方程n↑∑i=l(-1)^i-1[F(x1，…，xi x(i 1)，…，x(n 1)) F(x1，…，xi-x(i 1)，…，x(n 1)]=0的一般解，其次，上述第1式对x(n 1)两次微分，并简化得到形如第2式的方程．第1个函数方程的一般解为f(x1，x2，…，xn)=(n-1)↑∑i=1(-1)^i-1[A(x1，…，xi x(i 1)，…，xn) A(x1，…，xi-x(i 1)),…,xn)] (-1)^n-1 2A(xi,x2,…,x(n-1).其中A(x1，x2，…，x(n-1))是对x(n-1)具有连续二阶导数的任意函数。     

相对极值超曲面的Bernstein问题

设x:M→ An+1是一个局部严格凸超曲面,由Ω(∈)An上的凸函数xn+1=f(x1,x2,…,xn)定义.作者研究了由△ρ=λ‖▽ρ‖2G/ρ所定义的相对极值超曲面解的问题,这里入是常值,△是局部严格凸超曲面上的关于Blaschke度量G的Laplacian算子.     

逻辑方程和逻辑方程组的解法

首先给出了一类线性逻辑方程组的解法,然后通过主和取范式把F(x1,x2,…,xn)=1、F(x1,x2,…,xn)=0,F(x1,x2,…,xn)=G(x1,x2,…,xn)等类型的逻辑方程转化为线性逻辑方程组求解,最后给出了任意逻辑方程组的求解方法.     

标准伽玛分布均值的非齐次线性估计可容许性

设x1,x2,,xn为独立标准伽玛分布的随机变量,即xi服从Γ(λi,1),i=1,,n.在矩阵损失函数(Ax c-λ)(Ax c-λ)′下,我们给出了非负、非齐次线性估计类中非齐次线性估计可容许的一些充分条件。     

有限伪反射群的二维不变式

设F是特征数为0的域,V是F上的n维向量空间,G是作用在n维向量空间V上的有限伪反射群,F[V*]G是由n个代数无关的齐次不变式f1,f2,…,fn在F上生成的多项式代数.在有限伪反射群的一般不变式理论的基础上,求出了G的二维不变式环F[2V*]G的一组基本不变式,f1(x1,x2,…,xn),f2(x1,x2,…,xn),…,fn(x1,x2,…,xn),f1(y1,y2,…,yn),f2(y1,y2,…,yn),…,fn(y1,y2,…,yn),这里F[2V*]=F[x1,x2,…,xn;y1,y2,…yn].并给出了F[2V*]G的基本不变式和有限伪反射群G之间的关系.     

一类指数分布参数的渐近最优和可容许的经验Bayes估计

在平方损失下,给出了指数族:f(x|β)=T′(x)βexp{-T(x)β}的参数β的渐近最优与可容许的EBi=1log(1 估计,即:nδ(x1,x2,…,xn)=φ(x1,x2,…,xn)(q T(x))n u,其中φ(x,x1,x2,…,xn)=log(1 T(x)q) Sn(x1,x2,…,xn)-v-1,x1,x2,…,xn(历史样本)和x(当前样本)独立同分布于f(x),Sn(x1,x2,…,xn)=n∑T(xi)q),u>0,v>0,q>0(已知)为任意的实数,并给出了证明。     

图的主特征值与图的结构

设λ是图G的一个特征值,如果存在属于λ的一个特征向量X=(x1,x2,…,xn)T,使得∑NK=1xK≠0,则我们称λ是图G的主特征值。许多研究表明,图的主特征值与图的构造有很大关系,本文主要讨论图的主特征值与其结构的关系。     

一类广义的带参数的Hilbert型奇异积分算子的范数

Hilbert型奇异积分算子在分析学中有重要的作用.本文通过引入参数λ和两个实数A1,A2,在广义区间(0,b)上定义了一个带参数的核为1/xλ+yλ的Hilbert型奇异积分算子T:(Tf)(y)=∫bc f(x)/xλ+yλdx,利用权函数方法和算子理论,研究了T的有界性问题,在条件A2 p+A1q=2-λ下,得到了算子T的范数‖ T ‖=B(1-A2p/λ,1-A1q/λ)/λ.作为应用,还考虑其涉及内积的等价形式(Tf,g)≤[B(1-A2p/λ,λ-1+A2q/λ)/λ]1/p[B(1-A1q/λ,λ-1+A1q/λ)/λ]1/q‖f‖p,ω'‖g‖q,w".     

一类广义的带参数的Hilbert型奇异积分算子的范数

Hilbert型奇异积分算子在分析学中有重要的作用。本文通过引入参数λ和两个实数A1,A2,在广义区间(0,b)上定义了一个带参数的核为1/xλ+yλ的Hilbert型奇异积分算子T:(Tf)(y)=∫b0(f(x))/(xλ+yλ)dx,利用权函数方法和算子理论,研究了T的有界性问题,在条件A2p+A1q=2-λ下,得到了算子T的范数‖T‖=B((1-A2p)/λ,(1-A1q)/λ)/λ。作为应用,还考虑其涉及内积的等价形式(Tf,g)≤[B((1-A2p)/λ,(λ-1+A2p)/λ)λ]1/p[B((1-A1q)/λ,(λ-1+A1)/qλ)λ]1/q‖f‖p,ω′‖g‖q,ω″。     

具有棱凝聚度≤1的顶点之个数估计

本文证明:当简单图G的棱连通度λ=1或当G的阶n≤2λ(λ≥2)时,G的任何点x部满足其梭凝聚度c’(x)≤1; 而当n>2λ(λ≥2)时,满足c’(x)≤l的顶点x的数目至少有(λ+2)个。     

一类二元离散神经网络模型的收敛性

研究离散二元神经网络模型{xn 1=λxpf(xn) (1-λ)f(yn)[xn] yn 1=λxn qf(yn) (1-λ)f(xn)[yn] 解的收敛性. 这里λ∈(0,1)是常数,p,q时非负已知常数且p·q=0;[x] 表示:[x] ={x,x＞0, 0,x≤0.信号传输函数f为三段非线性常数函数.     

一类广义Petersen图的L(2,1)-标号

图G的L(2,1)-标号是从图G的顶点集到非负整数集的一个映射f∶V(G)→{0,1,2,…},它满足对任意两个顶点x,y,当d(x,y)=1时,|f(x)-f(y)|≥2;当d(x,y)≥2时,|f(x)-f(y)≥1.研究了n≡0(mod3)的广义Petersen图G=P(n,t)的L(2,1)-标号数λ2,1(G),得到当t=0(mod3),5≤λ2,1(G)≤8,否则λ2,1(G)=5     

Maclaurin不等式的最优化加强

设A(x) ,G(x) ,∑kn(x)分别为n个正实数x1 ,… ,xn 的算术平均 ,几何平均 ,k次对称平均 本文证明了使不等式 (A(x) ) p(G(x) ) 1 -p ≤ ∑kn(x)≤qA(x) + ( 1-q)G(x)成立的p的最大值是pn,k =n -kk(n - 1) ,q的最小值是qn ,k =nn - 1k1- kn .其中 2 ≤k≤n- 1.     

一类序列的生成函数及函数的性质

通过递归关系w(nk)=q1w(nk-)1 q2w(nk)-2 … qkw(nk-)k,(qi>0,i=1,2,…,k),给出了广义的k-Fibonacci函数Hn(k,x)=H(n)(k,x)=c1n1λeλ1x c2n2λeλ2x … ckλnkeλkx,n≥k.得到了广义的k-Fibonacci函数Hn(k,α)的表达式及与k阶矩阵=Qnk的关系.     

图的p-sum与其主特征值

设λ是图G的一个特征值,如果存在属于λ的一个特征向量X=(x1,x2,…xn)T,使得k∑n=1xk≠0,则称λ是图G的主特征值。图的主特征值与图的结构有着密切的关系,P-sum图是一类特殊结构的图,这里证明P-sum图的主特征值可以通过构成它的几个图的主特征值得到。