关于多元加权全最小一乘法的最优解

对给定n+1维欧氏空间R~(n+1)中的m个点x_1=(x_(11),x_(12),…,x_(1n+1)), x_2=(x_(21),x_(22),…,x_(2,n+1)),…,x_m=(x_(m1),x_(m2),…,x_(mn+1)),证明了存在最优超平面β_0+β_1x_1+…+β_(n+1)x_(n+1)=0,使这组点到此超平面的加权垂直距离和Q(β)=(∑~(n+1)_(j=1)β~2_j)~(-1/2)∑~m_(i=1)w_i|β_0+∑~(n+1)_(j=1)β_jx_(ij)|=min (w_i>0,i=1,2,…,m);提出并证明了最优超平面β_0+β_1x_1+…+β_(n+1)x_(n+1)=0应满足的3个必要条件,从而给出了求最优超平面的方法.     

关于一次同余方程组转换定理的推广

设p为任一素数,l、s、t为任意自然数,a_(ij)(1≤i≤t,1≤j≤s)为st个整数,记x=max(1,|x|),p_1=[(p~1-1)/2],p_2=[p~1/2],(a)p~1表示(a)p~1量a(modp~1)且-p_1≤(a)p~1≤p_2的整数。考虑对偶一次同余方程组及其满足条件-p_1≤x_v≤p_2,-p1≤y_v≤p_2,1≤v≤s+t的非平凡解x=(x_1,…,x_s,…,x_(s+t))和y=(y_1,…,y_t,…,y_(s+t)),记q=q(a_(11),…,a_(ts))为所有乘积x_1…x_s…x_(s+t)中的最小值,Q=Q(a_(11),…,a_(ts))为所有乘积y_1…y_t…y_(s+t)中的最小值。本文将证明: q与Q满足不等式(Q~(β-1))/q≤(s+t+1)~βp~(β[l(s+t-1)-t]),其中β是适合0≤β≤s+t的任一实数。     

任意矩阵特征值的秩1修正扰动界

设A是一个n阶的任意复矩阵且E是A的Hermite秩1扰动,即E=xx',其中x是n维的复列向量,x'是x的共轭转置向量.则A+E为矩阵A的Hermite秩1修正矩阵.基于矩阵分析理论中Hermite矩阵特征值分布的性质,研究得到了矩阵A特征值的任意Hermite秩1修正扰动的上下界限,即给出了矩阵A+E特征值的上下界限:λ_i(H(A))+l_i(x)+δ_i≤R(λ_i(A+xx'))≤λ_i(H(A))+u_i(x)+δ'_i(i=1,n),λ_i(H(A))+l_i(x)+δ_i≤R(λ_i(A+xx'))≤min{λ_i(H(A))+u_i(x),λ_(i-1)(H(A))}+δ'_i(2≤i≤n-1),且λ_(min)(-SH(A)τ)≤S(λ_i(A+xx'))≤λ_(max)(-SH(A)τ)(1≤i≤n),其中δ_i=sgn(‖SH(A)‖_2)[λ_(min)(H(A))-λ_(i-1)(H(A))-u_i(x)],δ'_i=sgn(‖SH(A)‖_2)[λ_(max)(H(A))-λ_i(H(A))-l_i(x)+‖x‖_2~2],gap_i=λ_(i-1)(A)-λ_i(A),i=2,…,n,H(A)和SH(A)分别代表矩阵A的Hermite部分和反Hermite部分,τ=(-1)~(1/2),sgn(·)代表符号函数.当A为Hermite矩阵时,上述结果退化为已有的结果λ_i(A)-‖x‖_2~2≤R(λ_i(A+xx'))≤λ_i(A)+‖x‖_2~2.     

交换环上的线性方程组可解的一个充分条件

<正> 本文R始终表示有单位元的交换环。我们考虑系数在R中的线性方程组AX=B (1)在R上可解的条件,这里A=(a_(ij))是一个m×n矩阵,X=(x_1,…,x_n)~t,B=(b_1,…,b_m)~t。如果m>n,可以引入变量x_(n+1),…,x_m及a_(ij)=0(1≤i≤m,n+1≤j≤m)。因此,不失一般性,我们总可以假定m≤n。关于线性方程组AX=B有解的充分条件,文献[1]、[2]、[3]中针对一些     

矩阵方程式AX-XB=C的一个解法

本文给了矩阵方程式AX—XB=C一个解法,是对B做正交相似变换B=THT~(-1),其中H=[1,α_i,β_(i 1)~-]~N_1是三对角阵,令Z=XT,和CT=R,建立逆推公式AZ_i-α_iZ_i-β_iZ_(i-1)-γ_i=Z_(i 1)(β_1=0,i=1,2;…,N-1),得到算法Z_1=P_N~(-1)q_N Z_(i 1)~(?)=P_iZ_1-q_i i=1,2,…N-1其中P_i=(A-Iα_i)P_(i-1)-β_iP_(i-2),i=1,2,…N-1。q_i=(A-Iα_i)q_(i-1)-β_iq_(i-2) γ_1 β_0=0,P_0=1,P_0=0。进一步可求出X=ZT’。求Z的过程,可看作解线性方程组的“追赶法”的扩充。     

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   

线性模型中误差分布的相合核估计

线性模型y_i=x′_iθ+e_i,i=1…n,的误差序列{e_i}_i~n=1有未知密度f(x),本文在一定条件下证明了f(x)的核估计的弱相合性,逐点强相合性,一致强相合性,其中(?)为L.S估计的残差.     

Riemann可积的充要条件

设 f:[a,b]→R,P={x_i|a≤x_0相似文献   

迭代序列x_(n+1)=(α+βx_(n-k))/(1+sum from i=1 to k x_(n-i+1)~γ)的全局性质

通过函数f(x)=(α+βx)/(1+kxγ)在[0,+∞)上的单调性,并利用上下极限方法得到了非线性差分方程x_(n+1)=(α+βx_(n-k))/(1+sum from i=1 to k x_(n-i+1)~γ)正平衡点的全局吸引性,同时还得到正振动解的半循环分布.其中α>0,0<β<1,0<γ≤1,k∈N,x-k…x0是任意非负实数.     

一类半参数模型的正交级数及最小二乘估计

考虑半参数回归模型Y_i=X_iβ+g(X_iβ)+e_i,i=1,…,n。用正交级数和最小二乘法构造了β和g的估计β和g,证明β和g的强相合性,并把此结果应用于截断回归模型=Xβ+e,e～F(未知)中未知参数β和误差分布F的估计.     

一道有奖征解题的推广

本文建立 Mitrinovic—Djokovic 型的不等式的一种推广,特别情形正是[1]中的命题。     

广义轮型完全多部图的生成树数

证明了如下结论:设KWk,n是由轮图集W={Wn1,Wn2,…,Wnk}生成的n阶广义轮型完全k-部图,其中n={n1,n2,…,nk},n=|n|=n1+n2+…+nk,1≤k≤n.那么KWk,n的生成树数目为t(KWk,n)=n2k-2∏ki=1αni-1i+βni-1i-2n-ni+1,其中αi=(di+d2i-4)/2,βi=(di-d2i-4)/2,di=n-ni+3.     

一种模型选择的方法及相合性

考虑线性回归模型y_i=x_i~′β+e_i,i=1,2,…。这里{x_i~′}是已知的P维向量序列,β=(β_1,β_2…β_p)′是未知的P维向量,称为回归系数。{e_i}是随机误差序列。现在我们提供一种方法剔除一些对因变量y影响总和可以忽略的变量,以使建立的模型更加稳定。并在不假定随机误差是独立同分布以较宽松的条件下,给出了这种选择模型方法的强相合性的证明。     

一类对称函数的Schur-凹性

本文证明了由初等对称函数组成的对称函数E（S-x）＋E（x）在单形C1的Schur-凹性.并建立了有关的不等式。     

线性过程误差下的半参数回归模型

对半参数回归模型:Yni=β·tni+g(xni)+εni,1≤i≤n。本文利用最小二乘法和一般非参数统计方法,定义β,g的估计量^βn,gn,在误差为一般弱平稳线性过程序列时,获得了^βn,gn的相合性及r阶矩相合性。     

限制偏导数的函数的多项式逼近

<正> 1.引言在一元函数中用一个与它单调性相同的多项式来逼近的问题已经有许多数学工作者作了精辟的论述[1——16]。作者在[17]中研究了二维偏单调函数的共单调多项式逼近。本文研究了限制偏导数的函数的多项式逼近,得出了与偏共单调逼近有关的一些结论。     

复Ginzburg-Landau方程弱解的唯一性

证明了n维欧式空间中复Ginzburg-Landau方程ut-(λ+iα)Δu+(κ+iβ)|u|p-2 u-γu=0在光滑有界区域Ω上弱解的唯一性,其中,i=(-1)^(1/2),λ,κ,γ>0,α,β∈R.用先验估计的方法将2维空间中唯一性结果推广到了任意维空间上,只限制指数2相似文献   

条件密度的相合随机窗宽双重核估计

本文研究了条件密度函数的随机窗宽双重核估计及其一致弱相合性。     

一类多元线性模型的一致最小方差无偏估计

本文讨论一类多元线性模型 :y=(S T′) β+e,E(e) =0 ,e=(ε′(1) ,… ,ε′(n) )′,E(ε(i) ε′(n) ) =Φ 0 ,E(ε(i) ε′(i) ε(i) ε′(i) ) =K,i=1 ,2 ,… ,n.当 y准正态分布时 ,在一定意义下得到Φ的 L S估计Φ1,以及 tr(DΦ1)为 tr(DΦ ) (D=D′)的一致对 (Φ ,k)的最小方差无偏估计 (UMVUE)的若干充要条件 .