NQD样本下部分线性模型中估计的强相合性

考虑回归模型：yi=xβ g(ti) σei≤i≤n,其中δ^1 i=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g和f是未知函数,随机误差序列{ei}为同分布的NQD序列．在一定的条件下,得到了β的最小二乘估计β、加权最小二乘估计β^-和最终加权最小二乘估计β^-的强相合性．     

误差为ρ~-时非线性模型M估计的强相合性

对于非线性模型yi=f（xi,θ）＋ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ-混合序列时,在适当的条件下证明了θ的M估计的强相合性.     

误差为ρ-时非线性模型M估计的强相合性

对于非线性模型yi=f（xi,θ）＋ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ-混合序列时,在适当的条件下证明了θ的M估计的强相合性.     

误差ei为ρ混合序列在非线性模型下M估计的强相合性

对于非线性模型yi=f(xi,θ)+ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ混合序列时,创造合适的条件,在此条件下证明了θ的M估计的强相合性.     

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.     

相依误差下回归函数导数估计的渐近分布

设y1,…，yn是固定点x1,…，xn的n个观察值，适合模型yi=g(xi) εi,1≤i≤n。在{εi}为φ－混合、α－混合、ρ－混合误差序列情形下，得到了回归函数导数估计的联合渐近分布。     

LNQD序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti) +ei(1≤i≤n),误差{ei,1≤i≤n}为平稳LNQD序列,研究了未知参数β和未知函数g(t)小波估计的强相合性,在一定的条件下,得到了合理的结果,把非参数回归模型的相应结果推广到半参数回归模型.     

(ψ)-混合误差下半参数回归模型小波估计的γ阶矩收敛速度

考虑一类固定设计下的半参数回归模型yi=xiβ+ g(ti)+ei,i=1,2,…,n,对于模型中的未知参数β和未知函数g(t)的小波估计(∧β)n和(∧g)n(t).,在{ei,1≤i≤n)是(ψ)-混合随机误差时,研究了(∧β)n和(∧g)n(t)的γ阶矩一致收敛速度.     

Banach空间中关于一致Lipschitzian映象的一个新结果

设E是一实Banach空间,K为E中的一非空闭凸子集,Ti:K→K,i=1,2,3为一致Lipschitzian连续映象.如果序列kn(∩)[1,∞),kn→1,{αn}、{βn}、{δn}∈[0,1],满足:(i)δn→1(n→∞);(ii)∑∞n=0αn=∞,∑∞n=0βn=∞;(iii)∑∞n=0α2n＜∞,∑∞n=0αnβn＜∞;(iv)∑∞n=0αn(kn-1)＜∞,对x0∈K,让{xn}满足以下迭代序列xn+1=(1-αn)xn+αnT n1ynyn=(1-βn)xn+βnT n2znzn=(1-δn)xn+δnT n3xn,如果存在严格增的函数φ:[0,∞)→[0,∞),φ(0)=0,使得对(A)j(x+y)∈J(x+y),x∈K(i=1,2,3)有〈T nix-x*,j(x-x*)〉≤kn||x-x*||-(ψ)(||x-x*||),则{xn}收敛于x*.文章主要结果推广了张石生教授最近文献[1,8]以及文献[6-7]等的主要结果.     

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   

B值适应可积序列加权和的强收敛性

设{Xn,Fn,n≥1}是B值适应可积序列（或B值鞅差序列）,{an,n≥1}和{bn,n≥1}是两个正常数列,本文中研究了形如1/bn∑ni=1ai（Xi-E（Xi｜Fi-1））或（1/bn∑ni=1aiXi）加权和的强收敛性,得到了一些适当条件下加权和的强收敛性的结果.     

D（∧）吸引场的条件矩的收敛速度

设{Xi,i≥1}为独立同分布F（x）的随机变量序列,本文研究了用条件矩来刻画分布函数F（x）属于吸引场D（∧）的充要条件的收敛速度.     

广义复合泊松风险模型的大偏差与破产时刻

进一步研究广义复合泊松风险模型的大偏差问题,其中{N（t）;t≥0}是一强度为λ〉0的泊松分布,{Xn;n≥1}是独立同分布的随机变量序列,具有共同分布F,（其中0〈μ=EX1〈∞．）{M（t）;t≥0}是一强δ〉0的泊松分布,{N（t）;t≥0},{Xn;n≥1}和{M（t）;t≥0}是相互独立的．理赔剩余过程S（t）∑i=1^N（t）Xi-cM（t）,t≥0．在F∈C上得到了一系列大偏差和破产时刻的结果,这些结果可以应用在某些金融与保险问题中．     

独立模糊随机变量的强大数律

设{xn,n≥1}是一模糊随机变量序列且{an,n≥1}是一列常数,且满足0〈an↑∞.设函数满足于φ（x）↑,φ（x）x↑,φx（2x）↓,如果有n∞=1Σni=1ΣE（φ（‖xi‖ρp））φ（an）〈∞,∞n=1Σ（ni=1ΣE（‖xi‖ρ2p）an2）s〈∞,则E‖xi‖ρ2p/an→0等价ni=1ΣXi/an→C 0-等价ni=1ΣXi/an→a.s.0-等价ni=1ΣXi/an→p 0-.     

几类图的均匀邻点可区别全染色

 邻点可区别全染色是在正常全染色的定义下,使得任两相邻顶点的色集不同。设G（V,E）为一个简单图,f为G的一个k-邻点可区别全染色,若f满足||Vi∪Ei|－|Vj∪Ej||≤1（i≠j）,其中,Vi∪Ei={v|f（v）=i}∪{e|f（e）=i},记C（i）=Vi∪Ei,则称f为G的k-均匀邻点可区别全染色,简记为k-EAVDTC,并称χeat（G）=min{k|G存在k－均匀邻点可区别全染色}为G的均匀邻点可区别全染色数。本文给出了路、圈、风车图K t 3、图Dm,4和齿轮图■n的均匀邻点可区别全染色,以及它们的均匀邻点可区别全色数的确切值。     

图的离心率值列的研究（英文）

设G为一个图,对任意x∈V（G）,其离心率e(x)定义为e(x)=max{d(x,u)│任意u∈（V（G）}。将G中各点的离心率的值按照（不重复）从小到大排列而得到的数列称为G的离心率值列。现设{ei}1 ≤i≤s为一个非减的整数数列。本得到了下面三个结果：（i){ei}1 ≤i≤s是图的离心率值列当且仅当{ei}1≤i≤s=[e1,es]且e1≥1,es≤2e1;（ii）定义NG（e)={x│x∈V（G）且e(x)=e},若│NG（e)│=1则e=r(G);(iii)有给定离心率值列[r,r s]的图的最小阶f[r,r s]为f[r,r s]={2r s,若0≤s≤r-2;r s 1,若s=r-1或r;这里,[s,s k]表示[r,r s]数列{r-1 i}1≤i≤s 1。     

■混合随机变量列L_p收敛性

设{Xn;n≥1}是ρ珓混合随机变量序列,{an,k;1≤k≤n}是实数阵列,利用矩不等式和截尾方法,研究n∑k=1 an,kXk的Lp收敛性,所获的结论推广和改进了前人的相关结果.     

带有阻尼项的二阶奇异耦合系统的周期解

考虑耦合阻尼系统{x″+p1(t)x'+q1(t)x=f1(t,y)+e1(t),y″+p2(t)y'+q2(t)y=f2(t,x)+e2(t).周解期的存在性问题.其中pi,qi,ei∈L1(R)是T-周期函数,fi∈Car(R×R+,R)(i=1,2)在原点具有奇异性.运用Schauder不动点定理和fi的奇异性,证明该系统存在周期解.     

PA样本回归函数估计的强相合性

针对非参数回归模型Y1=g(x1)+ε1,1≤i≤n,在{εi,1≤i≤n}为一致可积的平稳PA相依序列条件下,得到未知函数g(x)的权函数估计gn(x)=nΣi=1wni(x)Yi的强相合性.