多重线性模型中影响点集的探测

考虑多重线性模型: Y_(×p)=Xβ_(××p)+ε_(×p) (1) 本文研究模型(1)下多组数据对最小二乘估计的影响大小问题,给出了探测强影响点集的两种度量及其化简式,并得到了富有意义的统计解释。第一种度量记为:S_I,其定义如下: S_I=tr[(β—β_(I)’x’x(β—β_(I))]其中:β=(x’x)~(-1)X’Y,β_(I)=(X’_(I)X_(I))~(-1)X’_(I)Y_(I),X_(I),Y_(I)分别为由X,Y剔除掉第i_1,…i_m行所得矩阵。     

最大最小顺序统计量的相关结构

(X_1,Y_1),(X_2,Y_2),…,(X_n,Y_n)为来自二维总体(X,Y)的简单随机样本,(X,Y)具有分布函数H(x,y),X(1)=min1≤i≤n{X i},X(n)=max1≤i≤n{X i},Y(1)=min1≤i≤n{Y i},Y=(28)max1≤i≤n{Y i}﹒利用Copula研究了(X(1),Y(n))、(X(1),Y(1))及(X(n),Y(n))的相关结构,并举例说明了其应用﹒事实表明,最大最小顺序统计量的相关结构包括常见的积Copula和FGM等,为构造Copula提供了新思路﹒     

方差估计以及两个方差分量同时估计的可容许性

考虑线性模型 EY_(n×i)=X_(n×)β_(n×i) DY=σ~2V,V≥0,σ~2>0未知 (*)以及方差分量模型 EY_(n×i)=X_(n)β_(n×i) DY=σ_1:V_i+σ_2V_2,V_i≥0,V_2≥0,σ_i,σ_2>O未知 (**)其中γ(X_(n×m)=n,对模型(*)令D={d(A)=Y＇AY,A≥0}损失函数为L~(1)(d(A),σ~2)=σ~(-4)(Y＇AY-σ~2)~2,对模型(**)令D~(2)={d(A_i,A_2)=(Y＇A_iY,Y＇A_2Y),A_i≥0,A_2≥0},损失函数为L~(2)(d(A_i,A_2),(σ_i,σ_2))=σ_i(Y＇A_iY-σ_i)~2+σ_2(Y＇A_2Y-σ_2)~2,本文对模型(*)给出了d(A)为σ~2的D~(1)容许估计的充分条件,对模型(**)给出了在V_i+V_2>0的限制下,d(A_i,A_2)为(σ_i~2,σ_2~2)的D~(2)容许估计的充分条件。分别推广了文[3],[5]中的有关结果。     

关于Hellinger-Toeplitz拓扑的闭图定理

本文讨论的Hellinger-Toeplitz拓扑α对于任何对偶双(X,Y)有定义。一个可容拓扑α称为Hellinger-Toeplitz拓扑若对于任何两个对偶双(X_1,Y_1)、(X_2,Y_2),只要线性映照t:(X_1,σ(X_1,Y_1))→(X_2,σ(X_2,Y_2))为连续,必t:(X_1,α(X_1,Y_1))→(X_2,α(X_2,Y_2))也连续(见[1],11—1)。称Hellinger-Toeplitz拓扑α具有关于完备化的承继性,若对于任何对偶双(X,Y),(X,α(X,Y))的完备化(X,Y)恰为Y。相似地可定义α关于拟完备化和序列式完备化的承继性。     

关于函数方程sum(α_ix β_iy)from i=1 to s=sum(p_k(x)q_h(y)),Ⅱ

本文主要考虑函数方程f(x y) F(x-y)=f_1(x) f_1(y) sum(X_i(x)Y_i(y) from i=1 to n设f, F分别在〔A, B〕 〔C, D〕和〔A, B〕-〔C,D〕上Lebesgue可积,又设X_1, X_2, …, X_n, 1在〔A, B〕上,和Y_1, Y_2, …, Y_0, 1在〔C, D〕上几乎处处线性无关,我们得到方程(1)的一般解.我们也考虑函数方程?,?在一定条件下,分别给出它们的一般解.     

平稳序列回归函数的最近邻估计的相合性

0 引言设(X,Y),(X_1,Y_1),…,(X_n,Y_n),…是R~d×R~1上的平稳φ-混合序列,即满足 sup sup |P(B|F_1~m)-P(B)—≤φ(n) B∈F_(m+n)~∞其中:F_a~b=σ(X_i,Y_i,a≤i≤b),φ(n)→0(n→∞),又设E|Y|<∞,m(x)=E(Y|X=x)     

关于Bayes风险相容性

依 C、J、stone 及邓炜材文中所给的概念,我们有limNE{L(Y,mN(x))|X_1,Y_1,…,X_N,Y_N}a.sE{(Y-m(x))~2}当L(Y,a)=(Y-a)~2且I_(N2)=(?)|mN(x)-m(x)|~2μ(dx)→O.其中 m(x)=E{Y|X},mN(X)=(?){Y|X};(?)(Y,(?)(p|X=x))(?)L(Y,Q(?)|X=x)当L(Y,a)=p(Y-a)~++(1-p)(Y-a)~-,O相似文献   

回归函数的幂估计

给出定义在概率空间(Ω,Z,P)上取位于R~d×R空间的随机向量(X,Y),通过i.i.d.样本(X_1,Y_1),…,(X_n,Y_n)估计回归函数Q(X)=E(Y1X)的非参数方法大体可分类成三种:直方图估计、核估计和近邻估计.本文提出一种叫做幂估计的新方法,并给出幂估计对回归函数依概率收敛的一条定理.     

微分方程dy╱dx=(Y_2 Y_3)╱(X_2 X_3)在原点邻域内积分曲线的性态

本文讨论原点O的邻域内微分方程 dy╱dy=Y_2 Y_3╱X_2 X_2 (1)积分曲线的性态,X_2,Y_2,X_3,Y_3分别是x、y的二次或三次齐次多项式。我们将方程(1)按正规及奇异特征方向的特点分成14类,给出X_2、Y_2的标准形式。利用形如 y=ux (2)的Frommer变换,将O点变成若干简单奇点或型奇点,最后得到41种不同的几何结构。 同时,本文对研究高次奇点的Frommer方法作了一些改进。     

兰州市洒水成本与防尘效果的分析

分析洒水对兰州市环境问题的改善及防尘效果。运用多元回归分析法研究洒水成本对防尘效果的影响。建立了空气质量达标天数(Y_1)、空气中可吸入的颗粒物(Y_2)、城区居民呼吸道疾病就诊病例(Y_3)与人员成本(X_1)、装置成本(X_2)、用水量成本(X_3)的回归方程分别为Y_1=344.235-0534X_1+0.064X_2+0.108X_3、Y_2=321.123-0.138X_1-0.021X_2+0.043X_3、Y_3=179760.83-26.03X_1-28.841X_2。兰州市空气质量达标天数逐年增加的过程中,用水量的增加对防尘效果的影响最大;空气中可吸入颗粒物逐渐减少的过程中,人员成本对其影响最大;城区居民呼吸道疾病就诊病例逐渐减少的过程中,装置成本对其作用最大。     

线性模型BLUE和SLSE的相等关系

考虑广义线性模型M=(Y,Xβ,V)和相应的模型M_r=(Y,Xβ|Rβ=S,V),我们得到了均值向量μ=E(Y)的BLUE(?)(在M下)和(?)(在M_r下)以及SLSEμ~*(在M下)相等的充要条件.即μ~*=(?)=(?)的充要条件为Z_m(XU)=Z(?)(VX)=Zm(X)或等价地M(XU)=M(VX)=M(X)     

正态—正态模式下结构串联系统可靠性的MVUE

本文证明R=P_(?){X_1≥Y,…,X_n≥Y}的MVUE存在的充要条件是m≥n;并得到m≥n时R的MVUE。其中:X_1,…,X_n iid.～N(u,σ~2),Y～N(0,1),Y与X_1,…,X_n独立,u、σ~2未知,Z_1,…,Z_m(m≥2)为N(u,σ~2)的iid。样本。     

无穷级整函数对数级与对数型的一些性质

本文是研究整函数的增长性.应用无穷级整函数的对数级与对数型的定义,以及参考文献[2]中的一些结果,进一步得到了关于无穷级整函数对数级与对数型的一些重要性制裁.现将主要结果叙述于下:定理1:设整函数f(Z)=sum from n=0 to ∞ a_nZ~n的对数级为ρ1,则有ρ1=（?）定理2:设整函数f(Z)=sum from n=0 to∞(a_nZ~n)的对数级为ρ_1,并且0<ρ_1<+∞,其对数型为σ_1,则有定理3:设整函数f(z)=sum from n=0 to∞( a_nZ~n),存在,并且0<ρ<十∞,则当0<ν<+∞时,ρ必为f(Z)的对数级,进而ν为f(Z)的对数型.定理4:设f(Z)=sum from n=0 to∞(a_nZ~n)为无穷级整函数,则f(Z)与它的导函数f’(z)具有相同的对数级与对数型.     

确定独立随机变量分布律的一种方法

一、前言通过独立随机变量的函数独立性,来研究该随机变量的分布律,引起许多概率统计工作者的兴趣和注意。这个问题的一般提法是,假定X_1,X_2,…,X_n是相互独立的随机变量,令 Y_i=Ψ_i(X_1,X_2,…,X_n)i=1,2,…,m,如果 Y_1,Y_2,…,Y_m相互独立,求X_i服从何种分布。当Ψ_i是线性函数时,这个问题已完满解决。这方面早期工作可见参考文献。代表性的定理为Darmois-Skitovice定理,对这个定理有各种形式的推广。     

一类整函数的增长性

本文得到如下结果:设f是超越整函数,且T(r,f)=O~*((log r)~βe~((log r)~α))(即存在两个正常数k_1和k_2,使有 则 其中E是有限对数测度集。 我们的结果推广了Valiron和Toppila的结果。     

应用响应面法优化武夷菌素发酵培养基

为了提高农用抗生素武夷菌素的效价,应用响应面法对武夷菌素发酵培养基进行了优化.首先应用部分因子设计法对武夷菌素发酵培养基中的淀粉、葡萄糖、玉米粉、豆饼粉、化合物A、化合物B、化合物C、MgSO_4、FeSO_4、NaCl共10种营养成分进行了分析,筛选出葡萄糖和豆饼粉为影响武夷菌素效价的关键因子,然后通过最陡爬坡实验逼进最大响应区域,应用中心组合设计法优化葡萄糖(X_2)和豆饼粉(X_4)的浓度,得到武夷菌素效价(Y)的二次多项式优化拟合模型,其为:Y=6 643.78 687.42 X_2 275.13 X_4-824.69 X_2~2-122.45 X_2X_4-620.94X_4~2由该模型求解可知,当葡萄糖27.2g/L、豆饼粉31.8g/L时武夷菌素效价有最大值。于是按这2种关键因子的用量获得优化的培养基,用菌株S-40(原始效价4443μg/mL)比较试验测定表明,在优化的培养基上武夷菌素的效价可提高到6643μg/mL.     

差分方程的稳定性

方程组Y(k+1)=F(k,Y(k))的零解称为稳定的,如果对任意的k_0∈Z~+,都存在δ=δ(k_0,ε0),使得当‖Y_0‖≤δ(ε,δ_0)时,对一切k≥k_0都有‖Y(k;k_o,Y_0)‖≤ε.反之,称主程组Y(k+1)=F(k,(Y(k))的零解为不稳定的.     

生长曲线模型参数估计的再讨论

对于生长曲线模型: Y=X_1BX_2+U E(U)=0 D()=I_Nσ~2V(其中Y为N×P阶观测矩阵,X_1及X_2分别为N×q,k×p阶已知设计阵,B为q×k阶未知参数阵,为误差矩阵U的按列拉直,σ>0未知,V为已知p阶阵。)本文给出了在约束条件下参数估计的几个基本结果。同时,在当设计阵呈病态时,我们给出了两种不同的参数岭估计,并且还证明了这两种岭估计之间的一个重要关系。     

关于误差方差估计中的一致余项级数的绝对收敛性

一、引言如所周知,如果X_1,X_2,…,i、i、d,EX_1=0,EX_1~2=σ~2<∞,则对任何—∞相似文献   

条件函数逐点估计的最优收敛速度

基于严平稳α-混合样本,本文获得了条件函数γ_t(x)-E(β_t(Y_1)|X_1=x)核估计的逐点最优收敛速度|γ_(tN)-γ_t(x)|=O_p(n~(-1(2+d))).