GBVE-指数模型结构可靠度估计

设二元随机变量(X,Y)的联合生存函数为F(x,y)=exp{-[(x/θ1)1/8+(y/θ2)1/8]8},0＜x,y＜∞,0＜δ≤1,0＜θ1,θ2＜∞,把它称作GBVE (θ1,θ2,δ).考虑串联系统两元件的应力服从GBVE (θ1,θ2,δ),强度服从指数分布的应力一强度模型,分别在应力参数和强度参数未知的...     

一种加权对称损失函数下一类指数分布模型参数的估计

对刻度参数指数分布模型c(x,n)θ-v e-T(x)/θ提出了一种新的损失函数——加权p,q对称熵损失函数L(θ,δ)=θp/pδp +δq/qθq -2(p,q＞O,q＜v),并用它研究了刻度参数θ的估计.得到了参数θ的最小风险同变估计与Bayes估计的一般形式与精确形式,这两种估计形式比已有文献中相应形式更为简捷...     

对称损失下一类刻度分布族参数的估计

q对称熵损失函数L(θ,δ)=θ_q/δ_q+δ_q/θ_q-2(0-νe_-T(x)/θ参数θ的估计, 得到 了θ的最小风险同变(MRE)估计及Bayes估计的一般与精确形式, 并讨论了θ的形如cT(X)+d的一类线性估计的可容许性和不可容许性以及θ的MRE估计的最小最大性.     

测度链上具有正负系数的中立型动力方程的有界解

考虑测度链上的方程(x(t)-x(t-r))Δ P(t)x(t-θ)-Q(t)x(t-δ)=0.获得该方程有界正解和有界振动解存在的充分条件.这里r>0,θ>δ≥0为常数,P,Q∈Crd〔T,R ).     

不同损失函数下不同无信息先验的Bayes估计及比较

讨论了采用损失函数L2（θ,δ）=aθ^m（δ（x）-x）^2时,在二项分布场合下关于产品合格率的不同无信息先验分布下的Bayes估计,并从Bayes风险的角度,对损失函数为L2（θ,δ）=θ（δ（x）-x）^2。的Bayes估计与[1]中所得的Bayes估计进行了比较。从而得出了采用损失函数L2（θ,δ）=θ（δ（x）-x）^2进行Bayes估计较优的结论。     

全平方数集中的除数问题

令δ(n)表示全平方数的特征函数,d(n)为n的所有除数的个数, θ(n)为n的无平方因子的除数个数.对于和式∑nxδ(n)d(n),∑nxδ(n)θ(n),给出了它们的渐近公式, 进一步改进了前人的结果.     

一类刻度参数指数分布族参数的最小风险同变估计

对Parsian（1996）与Jozani（2002）所研究的一类刻度参数指数分布族c（x,n）θ^-ν e^-T（x）^/θ,利用文献[1]提出的p,q对称熵损失函数L（θ,δ）=θ^p/δ^p＋δ^q/θ^q-2（p,q〉0）,用参数估计方法,研究了刻度参数θ的最小风险同变估计与Bayes估计,并得到了它们的一般形式与精确形式,最后应用积分变换定理证明了Parsian（1996）未曾讨论的问题,即θ的最小风险同变估计具有最小最大性.     

NA样本下艾拉姆咖分布参数的经验Bayes检验

【目的】研究NA样本下艾拉姆咖分布参数的经验Bayes检验问题。【方法】在同分布负相协(NA)随机列{X1,X2,…,Xn}下,利用概率密度函数的变窗核估计方法,讨论了艾拉姆咖分布参数θ的经验Bayes检验问题。【结果】首先得到了经验Bayes检验函数δn(x),然后证明了δn(x)的渐近最优性。【结论】在适当的条件下,利用相关引理和不等式,可获得参数θ的经验Bayes检验函数δn(x)的收敛速度为Ο(n~(-1/2))。     

具P-Laplacian算子型奇异边值问题正解的存在性

讨论了一类具有P Laplacian算子型奇异边值问题(Φp(x′))′+α(t)f(x(t),x′(t))=0,x(0)-θx′(0)=0,x(1)+δx′(1)=0正确的存在性,其中Φp(x)=｜x｜p-2x,p>1.通过使用一个新的不动点定理,在适当的条件下,建立了这类边值问题至少存在一个正解的充分条件.     

正态分布参数函数估计的可容许性

讨论正态分布N(μ,2σ)参数(μ,2σ)的函数θ=exp{aμ b2σ}(a≥0,b≥0)的估计的可容许性问题,给出了0δ(x)作为g(θ)的估计是几乎可容许的几个条件.讨论了θ的估计的一般形式并得到了一个θ的估计函数的Γ-基本完全组.     

Чepe3算予空间

定义一:线性赋范空间C,C={z:z=(x,y),x,y为实数,对于Banach空间X,有算子T,使T:G→R(T)(?)X(其中G≡D(T)(?)C)则称算子空间{T}为G上ЧеРеэ算子空间,记为Ч_G(X)。/当X≡C,G是平面区域时,则Ч_G(C)就是定义在区域G上的复变函数f(z)所成的     

一类离散分布参数的渐近最优经验Bayes估计

本文考虑一类离散指数分布族参数的多项式在平方损失下的经验Bayes(EB)估计.给定θ当前样本X的条件分布有P_θ(X=x)=p(x|θ)=h(x)β(θ)θ~x,x=0,1……的形状,此处h(x)>0,θ∈Ω={θ:θ>0,h(x)θ~x<∞}假定i)θ的先验分布族G∈,={G:dG<∞}.ii)存在有限常数A 使h~2(x)≤Ah(x-1)h(x 1),对x=1,2,……成立.则θ的k 阶多项式Q_h(θ)=(?)的“自然”BE 估计(定义见(8)式)是渐近最优(a,0)的.     

一类具Ⅲ类功能性反应的非自治捕食系统的持久性

研究一类具Ⅲ类功能性反应的非自治捕食系统dxdt=x[r(t)-a(t)xθ-α(t)xθyθc2(t)+x2θ],dydt=y[-e(t)-b(t)yθ-β(t)xθyθc2(t)+x2θ](θ>0).在一定条件下,该系统一致持续生存且存在唯一全局渐近稳定的周期解.     

正则条件下水平为α的N-P检验

X1,…,Xn是取自具有如下密度函数母体的一个子样f(x,θ）=exp{θT(x) d(θ） S（x）}，x∈A其中θ是实数属于开区间H，f(x,θ）关于θ是可微的且满足正则条件，能够得到如下结论。     

Linex损失下Rayleigh分布参数倒数的Bayes估计

在Linex损失函数L(θ,δ)=ec(δ-θ)-c(δ-θ)-1,c>0下,给出Rayleigh分布的尺度参数倒数的唯一Bayes估计δB(X)=-1/clnE(e-cθ│X)=(n α)/cln(1 c/(λ T)),多层Byaes估计δ∧B(X)=-1/cln,和容许性估计的一般形式Sln(1 c/(d T)).     

三个公理系统的等价性

本文旨在二值逻辑意义下,证明了如下三个公理系统的等价性。系统Ⅰ:(A_1)■→(x→■);(A_2)[■→(x→θ)]→[■→x)→(■→θ)];(A_3)(■→■]x)→(x→■)系统Ⅱ:(a)(■→x)→[(x→θ)→(■→θ)];(b)(■→■)→■;(c)■→(■→x)系统Ⅲ:(α)({[(■→■)→(■→■θ)]→x}→τ)→[(τ→■)→(θ→■)]以上系统都使用同一推理规则——分离规则。     

随机场回归分析中非线性参数的最小一乘估计的相容性

讨论了随机场 ξ(x) =f(x ;θ) +ε(x) ,在f(x ;θ)为依赖于θ的非线性情况下 ,由观察值 ξ(x) ,在集合△→∞时 ,得出θ的最小一乘估计的相容性 .     

均匀分布族U（θ,cθ）中的经验Bayes检验

考虑均匀分布族U(θ,cθ),f(x|θ)=((c—1)θ)~(-1)I_((θ.cθ))(x),x,θ∈(0,∞),c>1中检验问题H_0:θ≤θ_0(?)H_1:θ>θ_0的经验Bayes检验。本文证得了经验Bayes检验的收敛速度。     

具有椭圆性质的耗散非线性发展方程组解的渐近行为

讨论了如下具有椭圆性质的耗散非线性发展方程组Cauchy问题解的整体存在性和渐近行为ψt=-(1-α)ψ-θx+αψxx,θt=-(1-α)θ+υψx+2ψθx+αθxx,具有初值(ψ,θ),(x,0)=(ψ0(x),θ0(x))→(ψ±,θ±), x→±∞,其中α和υ是正常数且满足条件α＜1, υ＜α(1-α).     

图的周长

设G为n阶2连通图,D(x)={y|y∈V(G)~\(x),d(x,y)≤2},δ_o=min{max{d(x),d(y)}|x,y∈V(G),d(x,y)=2},D(δ_o)={x|x∈V(G),d(x)≥δ_o},δ~*为G中的顶点度且满足:(Ⅰ)δ~*尽可能的大,(Ⅱ)对经(?)x∈D(δ_o)及D~*(x)={y|y∈(D(x)∪{x}),d(y)<δ~*}有|D~*(x)|相似文献