条件中位数的核估计

设(X,Y)为取值于R~d×R~1的随机变量。在给定X=x∈R~d的条件下,Y的条件分布函数记为F_x(y)。条件中位数ζ_x定义为ζ_x=inf{y:F_x(y)≥1/2}、设(X_1,Y_1),(X_2,Y_2),…,(X_n,Y_n)为(X,Y)的i.i.d.观察值。我们的目的是利用核函数方法构造ζ_x基于上述观察值的一种估计。令     

条件Brown运动新定理简证

§1.引言本文第一作者1979年在北京演讲时曾提出下列问题:设{x_t,t>0}为R~d(d≥2)中Brown运动,D为连通区域,m(D)<∞(本文以m表示Lebesgue测度),h为在D中的正调和函数,τ_D为初离时,即τ_D=inf {t>0:x_t(?)D}。则对任何x∈D,是否成立     

布朗运动首中与末离的联合分布

1.设X={x(t,ω),t≥0 }为定义在概率空间(Ω,(?),P)上取值于d(≥3)维欧氏空间R~d中的标准布朗运动,(?)~d为R~d中Borel σ-代数,X的转移概率密度为     

d维布朗运动未离时的分布

设X(ω)={x_t(ω),t≥0}是标准布朗运动,相空间(R~d(?)~d)d≥3。P~x,x∈R~d是开始于x的概率。简记P=P~0,θ,是推移算子(t≥0)。记S_r为中心在原点半径是r的球面。     

多维布朗运动的暂留性

设{W(t),t≥0}是d维标准布朗运动,|·|表示R~d空间中的常规距离。当d=1、2时,{W(t),t≥0}具有常返性;但当d≥3时,它不具有常返性(我们称这种情况为具有暂留性)。本文从极限理论的角度深入探讨了这个     

渐近Bayes判别

设(θ,X),(θ_1,X_1),…,(θ_n,X_n)是取值于{0,1}×R~d的iid随机向量,P(θ=0)=P_0,P(θ=1)=P_1=1—p_0,而X在给定θ=i时的条件密度是f_i(x),i=0,1.记D(x)=P_1f_1(x)—P_0f_0(X),则I{D(x)≥0}(X)是θ的Bayes判别函     

部分线性模型参数分量的M估计的渐近正态性

Engle等人提出了下列部分线性模型Y_i=X_i~tβ_0 g_0(T_i) u_i,1≤i≤n其中(T_1,X_1~t,Y_1),…,(T_n,X_n~t,Y_n)是随机向量(T,X~t,Y)的i.i.d.样本,U_i为随机误差,U_1,…,U_n与(T_1,X_1~t),…,(T_n,X_n~t)相互独立,X∈R~d,T∈[0,1],β_0为未知参数向量,g_n是一光滑未知函数.文献中,有许多学者讨论了关于这个模型的估计问题,包括惩罚函数法、基于分段多项式逼近的最小二乘法和基于核函数近似的最小二乘法.由于上述方法得到的估计不稳健,本文用分段多项式逼近g_0讨论较稳健的M估计.记g_n(t)=(?)(t)~ta为一分段m阶多项式,其段数为M_n,其中(?)(t)是一函数向量,β_0和     

具连续变量差分方程振动性的比较定理及应用

考虑具连续变量的差分方程 y(t)-y(t-τ)+sum from i=1 to m(p_i(t)y(t-σ_i))=0 (1) 和它的特殊形式 y(t)-y(t-τ)+p(t)y(t-σ)=0, (2) 其中τ,σ,σ_i均为正常数,p(t),p_i(t)∈C(R~+,R~+)。 文献[1]借助研究离散变量差分方程振动性的一般方法建立了(1)和(2)式振动的若干充分条件,揭示了连续变量差分方程与离散变量差分方程振动性之间的某种内在联系。然而,文献[1]中主要结果要求系数满足条件。这种较强的条件起因于方程的离散化过程。此外,文献[1]中的大部分结果也因此不同程度地存在条件的“亏损”。     

回归函数之改良近邻估计的强相合性

设(X,Y),(X_1,Y_1),…,(X_n,Y_n)为一串iid.d×1维随机向量,E|y|<∞。为估计m(x)=E(Y|X=x),对固定的x∈R~d,将(X_1,Y_1),…,(X_n,Y_n)按照     

丢番图逼近论与近似分析

1.命r=(r_(11),…,r_(t1),…,r_(1s),…,r_(ts))表示st维欧氏空间R_(st)中的点,引入记号r_i=(r_(1i)…,r_(ti))(1≤i≤s),(?)_j=(r_(j1),…,r_(js))(1≤j≤t);q=(q_1,…,q_t)k=(k_1,…,k_s)与m=(m_1,…,m_s)为整系数矢量;(x,y)=sum from i=1 to s (x_iy_i)表示矢量x与y的     

对流扩散方程Cauchy问题的概率求解

对流扩散方程在流体力学问题中具有重要作用.本文利用鞅的方法讨论了一类对流扩散方程Cauchy问题的概率求解.设{B_t,t≥0}是定义在d-维欧氏空间R~d中的标准Brown运动,b(x)=(b_1(x),…b_d(x)),c(x),(?)(x)是R~d上满足一定光滑性的函数.为简单起见,令.     

关于非参数回归核估计的强相合性

令(X,Y),(X_1,Y_1),…,(X_n,Y_n)为取值R~d×R的i.i.d随机向量,对某个p>2,E(|Y|~p)<∞。我们用x及(X_1,Y_1),…(X_n,Y_n)的函数m_n(x)来估计回归函数m(x)=E(Y|X=x)。m(x)的一类非参数核估计定义为     

部分线性模型中M型回归样条估计的一些新结果

考虑下列部分线性模型Y_1-X′_1β_0+g_0(T_1)+e_i,1≤i≤n,其中(T_1,X_1,Y_1),…,(T_n,X′_n,Y_n)是随机向量(T,X′,Y)的 i.i.d.样本,X∈R~d,T∈[0,1],β_0为未知参数向量,g_0是一光滑未知函数.这个模型在文献[1]中首次被提出,文献中研究过β_0和 g_0(t)的估计,例如,基于惩罚函数法的平滑样条估计;基于核方法的估计;用分段多项式来逼近 g_0,基于最小二乘法的估计.由于上述估计不稳健,文献[8]用分段多     

代数数域上的加型方程

1.引言 命K为一个n次代数数域。命K~(1),…,K~(n)表示K的n个共轭域,K~(i)(1≤i≤r_1)为实域而K~(i),K~(i r_2)(r_1 1≤i≤r_2 r_2)为共轭覆域,此处r_1 2r_2=n。对于r∈K,我们用r~(i)(1≤i≤n)表示r的共轭数。命r_i(1≤i≤n)为K的数及x_i(1≤     

具有给定的混合型光滑模的多元周期函数的表现和逼近

1 预备事项R~d表示d维欧氏空间,X=(X_1,…,X_d),Y=(y_1,…,y_d)∈R~d,其数量积记作〈X,Y〉=sum from j=1to(d)X_jy_jf(X)=f(x_1 ,…,x_d)表示实可测函数,对每一变量均以2π为周期.π_d=[0,2π)~d是d维周期2π的立方体.对q,1≤ q≤∞,记f∈L_q(π_d),倘若||f||_q:={(2π)~-d∫|f(X)|~qdx}~(1/q)<∞,1≤q<∞.||f||_∞:=ess sup|f(X)|<∞,q=∞.记f∈L_q(π_d),倘若f∈L_q(π_d),而且     

与一类超过程相关的Dirichlet问题

设ξ=(∈_ι,Π_x)是R~d中的右过程,令 (?)(x,z)=a(x)z b(x)z~2 integral from n =1 to ∞(e~(-uz)-1 uz)n_x (du), x∈R~d,z∈R~ ,(1)考虑下面Dirichlet问题 Av(x)-(?)(x,u(x))=0,x ∈　 D,(2) (?) u(x)=f(a),a∈(?)D~r,(3)这里D是R~d中有界区域,(?)D~r表示(?)D中正规点全体,且A是ξ关于D的特征算子. 我们用M表示(?)(R~d)上的有限测度全体,用(?)表示M上由fB(μ)=μ(B),B∈(?)产生的σ-代数.本文中τ都表示开集D的首出时.根据Dynkin存在取值于(M,(?))的具有参数(ξ,(?))的超过程 X={X_t,X_τ,P_μ,μ∈ M}.Dynkin在文献[1]中证明了如果ξ是光滑一致椭圆算子,关于x局部Lipshitz连续,公式 v(x)=- log Pδexp(-(f, X_τ))(4)是方程(2)Dirichlet问题的唯一解.本文将上面结果推广到一些一般型条件(底过程不一定连续).     

关于“Morion”猜想的一个逼近形式

澳大利亚数学家Morion曾提出如下猜想:若X_1,……,X_n(n≥1)为i.i.d,分布皆为P(X_i=1)=P(X_i=-1)=1/2,1≤i≤n,又设sum from i=1 to n,则有     

一类流动介质下的测度值分枝过程的平衡态问题

1 流动介质下的测度值分枝过程我们考虑空间R~d上的粒子系统,其中的单个粒子作随机运动,设其运动过程为α-对称稳定过程(0<α≤2,α=2即为Brown运动).由于空间散布着某种变化的介质,其强度为ρ(r,dy)(即表示时刻r,位置y处的强度),受其作用粒子分裂产生新子体,新子体的个数N按照母函数Es~N=s+1/2(l1-S)~(1+β)随机规律(0<β≤1).如果假设分裂时间很短,粒子质量极小,以此     

关于U-统计量的Marcinkiewicz大数律

设x_1,…,x_n…为一串i.i.d.随机变量序列,m≥1固定,h(a_1,…,a_m)为其m个变元的对称函数,以h(a_1,…,a_m)为核的U-统计量定义为假定: E|h(x_1,…,x_m)|~r<∞,0相似文献   

关于多元样条空间的维数

设D是矩形域D=[a,b](?)[c,d]。连接竖直和水平线x=x_i和y=y_i,i=1,…,m-1;j=1,…,n-1将D剖分成m·n个胞腔D_(ij)=[x_i,x_(i+1)](?)[y_j,y_(j+1)],其中x_0=a,x_m=b,y_0=c,y_n=d。于每个