部分线性模型中估计的渐近正态性

考虑回归模型 y_i-x_iβ+g(t_i)+σ_ie_(is)i-1,2…,n, (1) 其中σ_i~2-f(u_i)>0,(x_i,t_i,u_i)是固定非随机设计点列,β是未知待估参数,g(·)和     

多元线性递归序列的Lie双代数结构

多元线性递归序列具有广泛的意义,起初对于它在Hurwitz积下,从Hopf代数角度研究者是Perterson和Taft,并在文献中得到推广;在Hadamard积下,本文作者给出了一些刻划.以上均具有局限性,为此,我们首次从Lie双代数的角度探讨了多元线性递归序列的代数结构,避免了Hurwitz积或Hadamard积下且数域特征为零的限制.本文均在特征任意的数域R上进行,且仍以二元线性递归序列为主,多元情形的讨论是     

相依误差下线性模型参数估计的渐近正态性

获得了误差为鞅差或线性过程时线性模型参数估计的渐近正态性。     

部分线性模型中非参数分量的检验

考虑以下部分线性模型 卜X凡 go(T) e;,l引乓。,(l)其中(T,X/,二),l＄1＄。,是随机向量(TX’,Y)的i.iJ样本,X6R‘,TEIO,l],po是未知参数向量,go是一个光滑未知函数,e;是随机误差,它与(T,式),…,(Th人)独立.高集体”基于核估计的两步逼近法得到了一个检验零假设 H。:g。。0的统计量,为了得到其统计量的渐近分布,他要求误差分布具有有限的四阶矩,一些学者I”]在(式,T)为非随机的条件下研究了关于g。的检验问题.文献[3,41等得到了po的估计的渐近分布和go的估计的收敛速度,但用MO的估计来作为检验零假设凡:仇三0的检验统计量.必须得到…     

FM逻辑的紧致性与LÖwenheim-Skolem性

讨论了ＦＭ模型的若干性质,给出了ＦＭ逻辑的紧致性定理及Ｌｏｗｅｎｈｅｉｍ－Ｓｋｏｌｅｍ性定理。     

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     

一类奇异型扩散控制的折扣模型

研究了一类状态为扩散过程的奇异型折和费用随机控制模型,其扩散过程的漂移系数和扩散纱数都是非线性的。这类模型实质性地推广了以往Ｋａｒａｔｚａｓ等人所建立的对应模型。文中采用了一些与以往不同的分析手法,给出了该模型最佳控制存在的充要条件。当最佳控制存在时,它是状态过程对两条直线的瞬时反射。     

心电信号时间序列基于Lyapunov指数谱的主成分聚类分析

提出了心电信号时间序列基于Lyapunov指数谱的主成分聚类分析方法, 对MIT-BIH数据库中22个心电数据进行了分析, 得到了较好的诊断效果. 还提出一种改进TSS算法, 利用已知样本对未知样本进行分析, 进一步提高了实验结果的准确度. 该方法结合了统计学方法和非线性动力学方法的优点, 十分适合应用于心电信号等非线性时间序列分析.     

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