可估子空间上线性模型的比较

1.引言我们考虑线性模型y=Xβ e,E(e)=0,cov(e)=σ~2I_n,(1.1)这里y是n×1观测向量,x是n×p的设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量,σ~2是已知的误差方差。我们记该模型为l=L(Xβ,σ~2I_n)。     

非线性回归模型的几个二阶近似公式

给定非线性回归模型y=f(x,θ) ε,其中模型函数f(x,θ)关于未知p维参数θ二阶可导且一阶导数满秩。x,y,ε皆为n维向量。设随机误差ε服从N(0,σ~2I)。θ的最小二乘估计记为。估计量的偏差和残差分别记为b=E((?)—θ),e=y—f(x,(?))。 设V.和V..为f(x,θ)在真参数θ处关于θ的一阶和二阶导数,V..为p×p×n阶阵。V.可分解为V.=(U.,N)(R′,0)′,其中(U.,N)为n阶正交阵,U.为n×p阶,R为p×p阶非退化上三角阵。在参数空间中作坐标变换φ=R(θ—(?)),则模型函数关于φ的前二阶导数分别为U.和U..=     

用相位确定信号的一个问题

设x(n)和y(n)是两个实数列,其中n取值0,1,2,…,它们的Z变换分别为 X(z)=sum from n=0 to ∞ x(n)z~n,y(z)=sum from n=0 to ∞ y(n)z~n。若x(z)和Y(z)在|z|≤1上解析,于是当ω∈[-π,π)时有 X(e~(iω))=|X(e~(iω))|e~(iω)x~(ω),Y(e~(iω))=|Y(e~(iω))|e~(iθ)y~(ω),这里θ_x(ω)和θ_y(ω)分别称为x(n)和y(n)的相位谱。现在的问题是如果θ_x(ω)=θ_y(ω),则x(n)和y(n)应有怎样的关系?Oppenheim等在文献[1]中得到一些结果,主要的是下面的     

由Fuzzy关系诱导的M-F连续映射性

定义1 T:X×Y→[0,1]是普通集合X到Y的单值Fuzzy关系,设x_2∈X,Υ(x,y)>0,令f~T(x_λ)=y_λT(x,y),称f~T为X到Y的M-F映射,记作f~T:X→Y。     

典型相关与广义相关系数

设x和y分别为p×1、q×1随机向量,协方差矩阵为记ρ_i(x,y)为x与y的第i个典型相关系数,即且ρ_1(x,y)≥…≥ρ_t(x,y)>0,t=R(Σ_(xy))。这里A~-和R(A)分别表示A的广义逆和秩。本文证明了如下三个定理。定理1 设q≤r=R(Σ_(xx)),则q×1随机向量y满足cov(y)=l_q,且使达到最     

非负边界控制抛物型系统的能控性问题

本文考虑最简单的抛物型方程定义状态空间X=C[0,1],控制空间U=L~∞(0,∞)∩L~2(0,∞),则对每一给定的(?)∈U,方程(1)存在唯一解y(t,x;(?)):y(t,x;(?))=integral from n=σ to I(G(t-s;x,(?))(?)(s)ds),(2)其中G(t;x,ξ)=sum from l=0 to ∞e(?)e_l(x)e_l(ξ),(3)λ_0=0,e_σ(x)=1,λ_l=l~2π~2,e_l(x)=2～(1/2)coslπx,l=1,2…     

回归函数之改良近邻估计的强相合性

设(X,Y),(X_1,Y_1),…,(X_n,Y_n)为一串iid.d×1维随机向量,E|y|<∞。为估计m(x)=E(Y|X=x),对固定的x∈R~d,将(X_1,Y_1),…,(X_n,Y_n)按照     

二次非剩余(mod p)之分布

令p为奇素数,(n/p)是通常的Legendre符号。记α(p)为最小的正整数n(modp)使得(n/p)=(n+1/p)=-1.关于α(p)的上界估计是数论中的困难问题之一。基于A.Weil的特征和估计立即有α(p) p~(1/2)logp.1963年,Burgess证明,若H     

一类二阶常微分方程的稳定性

本文考虑二阶常微分方程■的稳定性,其中r(t),a_i(t),f_i(y)(i=1,2,…,n)皆为纯量连续函数,h(t,y,u)为三元连续函数且满足h(t,0,0)=f_i(0)=0,i=1,2,…,n。此外,假定方程(1)的解满足存在唯一性。     

一有限自动机的误差传播有界弱逆的结构

定义 设M=和M′=是两个有限自动机。任何s∈S和s′∈S′,若对任何x_0,x_1,…∈X都存在x_(_t),…,x_(-1)∈X使得λ′(s′,λ(s,x_0x_1…))=x_(-t)…x_(-1)x_0x_1…成立,且对任何l≥n≥0,任何x_0,…,x_l∈X和任何y_0~′,…,y_(n_1)~′,y_0,y_1,…,y_l∈y,都可由y_0…y_l=λ(s,x_0…x_l)推出λ′(s′,y_0 … y_l)=_(n+c)λ′(s′,y_0~′…y_(n-1)~′y_n…y_l),则称(s,s′)为延迟t步误差传播长度不大于e的匹配对,其中e是一非负整数,a_0a_1…a_l=_tb_0b_1…b_l表示a_t…a_l=b_t…b_l。对任何     

关于两个著名基数不等式的改进

用e(X)与其他基数函数估计|X|的著名不等式有。(1)(Ginsburg 和Woods)X∈■_1,|X|≤2~(e(X)·△(X)),其中,△(X)=min{k|对X×X 的对角线△,有△=(?)U_α,U_α开,(?)α相似文献   

n~2-n+p常表素数的完全确定

设f(x)=x~2-x+p,p是正整数。问p取何值时,f(n)(1≤n相似文献   

利用Fuzzy矩阵的Schein秩求本征集

e=(1,1,…,1)~T,对应本征方程为 AX=X,E.Sanchez证明了定理1 A的最大本征元X_M=A_(n+1)X_1=A_e~n。利用Schein秩定义,王鸿绪等证明了定理2 A的Schein秩ρ_s(A)=s的充要条件是不定方程A=X_(n×m)Y_(m×n)当m=s时有解,当     

保持广义可合数值域的线性算子

设G是对称群S_m的子群.记CG是所有函数f:G→C的集合.称f是半正定的,如果存在c∈CG,使得对任意的r∈G有f(r)=sum from σ∈G (c(στ)c(σ)特别地,G的不可约特征标是半正定的.记C_n×m为n×m复矩阵集.对于f∈CG,广义矩阵函数d_f:C_m×m→C定义为d_f(A)=sum from σ∈G (f(σ))multipy fromu=l to a_iσ(i),其中A=(a_i,)∈C_m×m 设 1≤ m≤n,f∈CG,A∈C_n×n.如果f是非零的和半正定的,则定义A的f可合数值域为集合W_f(A)=|d_f(X~*AX)|X∈C_n×m,d_f(X~*X)=1|当m=1且f=1时,W_f(A)即是A的经典数值域外W(A)=|x~*Ax|x∈C_n×1,x~*x=1|.f-可合数值域相关于张量对称类的可合元素.设c∈CG对任意的,τ∈G满足(1)式记V为带有标准内积的向量空间C_n×1.则张量空间(?)V是酉空间,其诱导内积满足(x(?),     

二端相关信源检测理论与信息论——组合学解法

一、二端相关源的检测 讨论函1的检测模型。{s_(1i)}、{s_(2i)}是源输出符号序列,联合分布为p(s_1s_2);w_1、W_2是信道的加性噪声,它们与源独立,且彼此独立;{x_i}、{y_i}是输入检测器的信号序列。设φ=[X(?)Y,p(xy)]是无记忆源的输出符号表,X、Y是两有限集,p(xy)是直积空间X(?)y上的概率分布。空间X(?)Y的n维扩展为X~n(?)Y~n。序对(x~n、y~n)的概率为     

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     

用非线性规划方法研究Semi-blind反褶积问题

由褶积序列z(n)=x(n)*y(n),在已知x(n),y(n)的部分采样点情况下,求解全部x(n),y(n)的问题,我们称为Semi-blind反褶积问题,存在于许多工程和物理问题中。 对于有限时宽褶积序列,即     

关于岭回归分析的一个注记

考虑线性回归模型Y和e都是n维随机矢量,且Ee=0,Eee~τ=σ~2I;X是(n×p)阶系数矩阵,β是p维参数矢量。依据Y对β所做的最小二乘估计为     

随机回归模型中的一致相合估计

考虑多元线性回归模型,其中(?)为p维随机向量.y=(?) ε对来自(y,(?))的样本(y_1,(?)_1~τ),…,(y_n,(?)_n~τ),类似的回归关系如下:y=(?) ε_t,t=1,…,n.     

一类三次系统的中心条件和极限环分支

考虑平面三次系统(?)=y P_2(x,y) P_3(x,y),(?)=-x Q_2(x,y)十Q_3(x,y),(1)其中P_i,Q_i是次数为i的齐次多项式,在P_i,Q_i的系数扰动下原点为中心的条件或者原点作为细焦点的阶数,对Hilbert第16个问题的解决有重要意义.经典的Lyapunov方法和Poincare方法从理论上阐述了焦点量的计算,但若具体地手算,只能得到简单情形下的焦点量,于是建立一种适合计算机上使用的算法是很有必要的.Lyapunov经典方法是采用V函数形式级数法,作形式级数V(x,y)=1/2(x~2 y~2) sum from n=3 to ∞(V_n=1/2(x~2 y~2)) sum from n=3 to ∞×sum from i=0 to n(V_(n,i)(x~(n-i)y~i))其中V_n是x,y的n次齐次多项式,V_n中的系数待定,使之满足dV/dt(?)(1)≡0,如果该级数收敛,则奇点O就是中心 在V_n的递推计算中为适合计算机处理,应用吴方法思想,得到以下几个递推公式: