广义U过程的Bootstrap逼近

Nolan和Pollardl得到了U过程的中心极限定理,本文使用Efron的Bootstrap方法,得到了广义U过程的Bootstrap逼近.假设{X_(i,j):1≤j≤n_i,1≤i≤K}是概率空间(Ω,(?),p)上的d维独立随机向量序列,满足:X_(il,… ,x_(in)_i.i.d.～P_i,假定P(in)_i是X_(il),X(in)_i对应的经验概率测度,1≤i≤k.取整数m_i≥1和l_i,     

L统计量的Bootstrap逼近

设X_1,X_2,…,X_n是从分布为F(未知)的总体中抽出的n个i.i.d.样本。记X=(X_1,X_2,…,X_n),R(X,F)为我们所感兴趣的一个与分布F有关的随机变量。我们经常需要考虑与R(X,F)的分布有关的问题,如估计R(X,F)的均值E_FR(X,F),方差     

关于U统计量的Berry-Esseen不等式的推广

设{X_n)是独立同分布随机变量序列,共同的分布函数为F(x)。φ(x,y)是二元对称函数,满足Eφ(X_1,X_2)=0。定义U统计量假设g(x)是任意满足下列条件的函数:(ⅰ)非负、偶,在区间x>0中不减;(ⅱ)x/g(x)在区间x>0中也不减。定理1 如果对由(1)式定义的U统计量,     

有限总体U统计量的Berry-Esseen界限

设一有限总体(?)N有N个元素,其指标值为a_(N1),…,a_(NN),从其中无放回地抽取大小为N_N的随机样本X(1),…,X(n_N),设φ(x,y)为二元对称Borel可测函数,则U(N)=(?)∑_1≤i相似文献   

有限总体U统计量正态逼近的非一致界限

设一有限总体A_N有N个元素,其指标值为a_(N1),…,a_(NN),从中无放回地抽取大小为n的随机样本X_1,…,X_n,设φ(x,y)=φ_N(x,y)为关于x、y对称的二元Borel可测函数,称     

关于U-统计量理论的一些结果

设x_1,x_2,…为一串独立同分布(iid)变量,而φ(x_1,…,x_m)为x_1,…,x_m的对称函数,则U_n=(n/m)~(-1) sum from to 1≤α_1<…<α_m≤nφ(x_(α_1),…,x_(α_m),n≥m称为以φ为核的U-统计量。设对某个r≥1有E[|φ(x_1,…,x_m)|~r]<∞.(1)迄今为止,文献中对U-统计量的研究,多限于r=1和r=2的情况,最近我们研究了一般的r≥1的情况,主要结果如下:     

关于U-统计量的几个不等式

令{X_i}为一串i.i.d.随机变数序列,φ(X_1,…,X_n)是关于每个变量的对称函数,定义如下U-统计量     

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U-统计量列完全收敛的一个不等式

对任意实数a_1,…,a_n,n=1,2,…设 a_n~*=max|a_i|. i≤n {x,x_n:n=1,2,…}为定义于同一完备概率空间(Ω,(P),取值于R的r.v.列。 S_o=O。S_n=sum from i=1 to n X_i, T_n=sum from 1≤i≤j≤n X_iX_j,n=1,2,…周元燊于1991年提出定理A 设{X,X_n:n=1,2,…}     

广义力学系统的最小作用量原理

近半个世纪以来,广义力学的理论研究及其在物理学的场论和近代微分几何学中的应用方面,都取得了一系列重要成果。但有关广义力学的最小作用量原理,目前研究的还很少。本文分别给出用变量表示的非保守系统的两种最小作用量原理。1非保守系统的广义Lagrange最小作用量原理     

球面均匀分布PPCM检验统计量关于维数与样本量的Berry-Esseen界和LIL

Ｘ1,Ｘ2,…,Ｘｎ为ｉ.ｉ.ｄ.ｐ维随机向量,分布函数为Ｆ(ｘ).崔恒建[1]定义了如下ＰＰＣｒａｍ啨ｒ＿ｖｏｎＭｉｓｅｓ检验统计量:ＣＭｎ,ｐ=∫ａ∈Ｓｐ-1∫∞-∞ｎ[Ｆａｎ(ｘ)-Ｆａ(ｘ)]2Ｗ(Ｆａ(ｘ))ｄＦａ(ｘ)ｄμ(ａ),(1)其中Ｆａｎ(ｘ)=1ｎ∑ｎｉ=1Ｉ[ａ′Ｘｉ≤ｘ]为ａ′Ｘ1,ａ′Ｘ2,…,ａ′Ｘｎ的经验分布函数.Ｆａ(ｘ)=Ｐ(ａ′Ｘ1≤ｘ)是ａ′Ｘ1的分布函数,μ(·)是Ｓｐ-1={ａ:ａ∈Ｒｐ,‖ａ‖=1}上的均匀测度.在零假设Ｈ0:Ｘ1服从Ｓｐ-1上的均匀分布下,Ｆａ(ｘ)Ｇ(ｘ)=∫ｘ-1ｇ(ｕ)ｄｕ,其中,ｇ(ｕ)=Γｐ2Γ12Γｐ-12(1-ｕ2)ｐ-22,…     

PERT中时间统计量的分布

设a、b、c 分别是对一项任务完成时间t的最乐观、最保守、最可能的估计.按照美国一些PERT文献的看法,这时随机变量t 服从区间[a,b]上的β分布,即概率密度为β(x)=(b-a)~(-p-q-1)B(p+1,q+1)~(-1)(x-a)~p(b-x)~q,其中B(m,n)=Γ(m)Γ(n)/Γ(m+n),p>0,q>0,p(b-c)=q(c-a).为什么?文[1]认为是不清楚的,“希望数学工作者能够进行些理论上的探讨”,以给出解释.     

关于广义Bernoulli核的宽度

§1.引言 给定只有实根的多项式P(x)=,x~r a_1x~(r-1) … a_r,D=d/dx。(?)~r表示满足以下条件的2π周期的连续函数集:f(x)∈(?)~r,若f~((r-1))绝对连续,f~((i))(0)=f~((i))(2π),     

散布阵检验统计量的P-值

设X_1 ,X_2,…,X_niidX～EC_p(μ,Σ),即椭球等高分布:X-μR·Σ1/2U,U为S~(p-1)={a|a∈R~p,‖a‖=1}上的均匀分布,R≥0为已知的非退化r.v.μ∈R~p,Σ_(p×p)>0为未知,我们考虑假设检验问题:H_0Σ=Σ_0>0,K:Σ_0通常在正态假设下,其检验统计量一般用Wishart统计量,Wilks统计量及MLR统计量,而在椭球等高分布下,这些统计量的分布很难求出,只能借助于大样本理论或模拟计算,见文献[1,2],这也同样会遭遇维数灾祸的困难.为此我们利用投影寻踪(pp)方法和1维中检验方差的方法构造Σ的检验统计量如下:     

实值、广义、沃尔什函数与哈尔函数

本文指出,复值Chrestenson函数系的实部与虚部之和以及复值广义Haar函数系的实部与虚部之和分别构成两个实平方可积函数空间L~2[0,1)上的完备正交函数系,这两个实值函数系可在多值逻辑谱技术以及多进制数字信号处理中得到应用。 定义1 [0,1)区间上的实值、广义沃尔什函数系WR_w~p(t)为     

PP Kolmogorov-Smirnov统计量的分布尾部的大样本下界

设X_1,X_2,…为概率空间(Q,P)上的一列取值于R~p(p≥1)的独立同分布于P的随机向量。由投影寻踪(Projection Pursuit,简称PP)方法可构造PP Kolmogorov-Smirnov统计量如下:     

关于流形上广义调和函数的梯度估计

显然,当Z=0时,(2)式不如(1)式,另外,由子紧连通流形上的非退化扩散过程遍历,因而当M紧时如上的u总是常数.这样,(2)式的价值在于M为非紧情形,然而,当M非紧时,向量场Z的有界性条件不仅不自然,而且排除了许多重要情形(参考后面的例子),本文的目的是要去掉这一限制,并改进(1)和(2)式.本文仍然采用耦合方法,以R上的一个扩散过程来控制耦合的直径过程ρ(x_t,y_t),此处ρ是Riemann距离.但我们在估计该扩散过程击中零点的概率时,吸收了陈木法和李少辅的思想.主要结果如下:     

关于Einstein λ变换与Einstein张量的不变性

设M为n(≥2)维C~∞流形,g,即<,>,为M上的非奇异度量张量场.若以D表示M上所有的仿射联络,则对每一联络D∈D,在M上就有一种几何(M,g,D);又以F表示M上的C~∞函数环,以X表示M上的C~∞向量场所生成的Lie代数,且以记M上的一次外微分形式的全体.令{x~i}为M上点m的局部坐标系,则其相应的坐标基向量场为,其对偶基为{dx~i},由于M上具有度量,故在切空间T_m处还存在么正基场{Z_i},令其对偶基为{Z~i}(i=1,…,n)。