泛函随机理论与量子力学（续）

泛函随机理论与量子力学（续）刘涤修（徐州师范大学物理系，徐州，２２１００９）２相互统计独立的随机变量之和的概率函数定理两个相互统计独立的随机变量之和的概率函数等于这两个随机变量的概率函数之积．若Ｘ与Ｙ是两个统计独立的随机变量，则其和ｅ—Ｘ＋Ｙ也是一个...     

二次极值之累次极限律

（Ｘｍ，ｎ；ｍ，ｎ≥１）是两个下标的独立同分布随机序列，Ｍ（ｍ，ｎ）表示Ｘｍ，１．．．，Ｘｍ，ｎ的第ｋ个最大值，Ｙ（ｍ，ｎ；ｋ）表Ｍ（１，ｎ）．．．Ｍ（ｍ，ｎ）的第ｌ个最大值Ｙ，（ｍ，ｎ；ｋ）的累次极限分布，证明了其极分布是三种经典极值类型之一。     

m（n）相依样本回归函数改良核估计的强相合性

ｍ（ｎ）相依样本回归函数改良核估计的强相合性杜斌秦更生（数学系）１引言设（Ｘ，Ｙ），（Ｘ１，Ｙ１）……是Ｒｄ×Ｒ１上的同分布随机向量序列，Ｅ｜Ｙ｜＜∞．回归函数ｍ（ｘ）＝Ｅ（Ｙ｜Ｘ＝ｘ）为未知实函数．Ｗａｔｓｏｎ［１］和Ｎａｄａｒａｙａ［２］首先建议...     

多元线性模型回归参数M－估计的强相合性

讨论多元线性回归模型由极小化问题的解定义的Ｍ－估计β＿ｎ的强相合性，其中Ｘ＿ｉ为ｍ×ｐ矩阵．证明了：无论为随机向量（（ＶｅｃＸ）￣′，Ｙ′）的独立同分布观察向量还是Ｘ＿ｉ为已知的ｍ×ｐ设计阵，在适当的条件下β＿ｎ都是参数真值β＿０的强相合估计．     

B（X，Y）上的σ－弱连续泛函

给出了Ｂ（Ｘ，Ｙ）上的σ－弱连续泛函的表示定理，证明了当Ｙ自反时，（Ｂ（Ｘ，Ｙ）．）≌Ｂ（Ｘ，Ｙ）。     

二次极值的分布之重极限律

｛Ｘｍ，ｎ；ｍ，ｎ≥１｝是两个下标的独立同分随机序列，Ｍ＾（ｋ）（ｍ，ｎ）ｇｅ ｆｉ Ｘｍ，１…，Ｘｍ，ｎ的第ｋ是最大值，Ｙ＾（ｔ）（ｍ，ｎ；ｋ）表示Ｍ＾（ｋ）（１，ｎ），…，Ｍ＾（ｋ）（ｍ，ｎ）的第ｌ个最大值。     

φ混合样本回归函数核估计的强一致收敛速度

设Ｘ和Ｙ分别是ｄ维和１维随机变量,（Ｘ,Ｙ）～Ｆ（ｘ,ｙ）。（Ｘｊ,Ｙｊ）,ｊ＝１,２,…,ｎ为来自（Ｘ,Ｙ）的样本。讨论了当样本为平稳φ混合随机序列时,回归函数ｍ（ｘ）＝Ｅ（Ｙ｜Ｘ＝ｘ）的核估计ｍｎ（ｘ）（Ｎａｄａｒａｙａ于１９６４年提出的）的强一致收敛速度。在其他条件不变的情况下,得出了与独立样本相同时的强一致收敛速度。     

方差分量模型中保G- M估计的线性变换

考虑方差分量模型（Ｙ，Ｘβ，ｔｉ＝１σ２ｉＶｉ），假设Ｘβ的Ｇ－Ｍ估计存在．本文给出了可观测的随机向量Ｙ的线性变换Ｆ为保Ｇ－Ｍ估计的变换（即存在ＦＹ的线性函数为Ｘβ的Ｇ－Ｍ估计）的充要条件，并指出在变换前后的模型中，Ｘβ的Ｇ－Ｍ估计相同．     

方差方量模型中保G—M估计的线性变换

考虑方差分量模型（Ｙ，Ｘβ，Σ↑ｔ↓ｉ＝１σｉ＾２Ｖｉ），假设Ｘβ的Ｇ－Ｍ估计存在。本文给出了可观测的随机向量Ｙ的线性变换Ｆ为保Ｇ－Ｍ估计的变换（即存在ＦＹ的线性函数为Ｘβ的Ｇ－Ｍ估计）的充要条件，并指出在变换前后的模型中，Ｘβ的Ｇ－Ｍ估计相同。     

最小范数最小二乘的计算问题

对一般线性模型：Ｙ＝Ｘβ＋ｅ，Ｅ（ｅ＝０，Ｃｏｖ（ｅ）＝δ￣２∨，∨＞０，当设计阵Ｘ列降秩时，β的最小二乘或广义最小二乘解与广义逆的选取有关，这在具体计算时会产生一些麻烦。同时，在许多情况下，问题本身要求最小二乘具有较小的长度。因此有必要考虑最小范数最小二乘问题，本文从设计阵本身的结构出发，寻找最小范数最小二乘的计算方法。只要知道Ｘ中ｒ＝Ｒ（Ｘ）个线性无关的列向量组Ｘ＿１，就能得到唯一的最小范数最小二乘：β＝Ｘ′Ｘ＿１（Ｘ＿１ＸＸ′Ｘ＿１）￣（－１）Ｘ＿１Ｙ，若Ｔ＝∨＋ＸＵＸ′，则唯一的最小范数广义最小二乘是：β￣＊＝Ｘ′Ｘ＿１（Ｘ＿１Ｔ￣＋ＸＸ′Ｘ＿１）￣（－１）Ｘ＿１Ｔ￣＋Ｙ。对Ｘ的行向量有类似的结论，实际计算表明，这种计算方法是简单有效的。     

关于随机独立性和回归独立性的几个命题的证明

有3种情形来描述随机变量X和Y之间的关系：（i）X和Y随机独立；（ii）Y回归独立于；（iii）X和Y不相关。主要证明了：1）若X和Y随机独立，则Y回归独立于X；2）若Y回归独立于X，则X和Y不相关；3）若X和Y均为两值随机变量或（X，Y）服从二维正态分布，则三种情形等价。同时得到一个推广：设Y为两值随机变量，X是离散型随机变量，若Y回归独立于X，则X和Y随机独立。     

具有条件(S)的BCK-代数的分解

本文讨论了具有条件(S)的正关联BCK-代数关于。半群的分解问题,指出这种分解与一般理想分解是一致的,同时得到具有条件(S)的关联BCK-代数X的某些结构问题,如:X若有限,则|X|=2″;两个有限的具有条件(S)的关联BCK-代数同构当且仅当它们阶数相等。     

A-XY~*的Moore-Penrose逆

设A是一个C*-代数,对于任意的HilbertA-模K和H,令L(H,K)表示K到H上的可共轭算子全体,A是L(H,H)的一个可逆元,X,y是L(K,H)上的两个算子且满足X,Y,A-XT*都有闭值域.记X1=A-1X,Y1=(A-1)·Y,QX1=IH-X1X+1,QY1=IH-Y1Y+1,其中IH是H上的恒等算子,X+1,Y+1分别是X,Y的Moore-Pence逆.证明了Moore-Penrose逆(A-XY*)*=QX1A-1QY1的充分必要条件是:Y*1XY*1=Y*1,且XY*1X=X.     

超空间C(D,X)的刻画

对于连续统X,在其上建立超空间C(D,X)={A∈C(X):D A}。文章主要获得如下结果:(1)设X,Y是连续统,映射f:X→Y是合流的当且仅当对任意D∈C(X)有∧f(C(D,X))=C(f(D),Y);(2)设X,Y是连续统,h:X→Y是同胚映射,则C(D,X)≈C(h(D),Y);(3)设X是连续统,D∈C(X),假设A∈C(D,X)使得D A X。那么,A终止于D当且仅当A是C(D,X)的割集。     

桶空间的几个特征性质

从Ｂａｎａｃｈ－Ｓｔｅｉｎｈａｕｓ定理、算子空间的完备性和双线性映射等方面给出了桶空间的几个特征性质．主要结果是定理１设Ｘ是Ｍａｃｋｅｙ空间，Ｙ是非零的Ｈａｕｓｄｏｒｆｆ局部凸空间．则Ｘ是根空间当且仅当Ｌｓ（Ｘ，Ｙ）中任何有界网｛Ｔａ｝的点点极限Ｔ都属于Ｌｓ（Ｘ，Ｙ）．定理２设Ｘ是Ｍａｃｋｅｙ空间，Ｙ是有界完备的非零Ｈａｕｓｄｏｒｆｆ局部凸空间．则Ｘ是桶空间当且仅当Ｌｓ（Ｘ，Ｙ）是有界完备的．定理４设Ｘ和Ｙ是非零的Ｈａｕｓｄｏｒｆｆ局部凸空间，则Ｘ是桶空间当且仅当每个点点有界的从Ｘ×Ｘ到Ｙ的各别连续双线性映射族都是等度亚连续的．     

一些局部凸空间的算子刻划

用线性算子刻划了Mackey空间,囿空间,Banach-Mackey空间和Mazur空间等局部凸空间.设X,Y都是非零的Hausdroff局部凸空间,则有定理1 X是Mackey空间的充要条件为:对L_s(X,Y)的每个均衡凸紧子集M,如果M′将Y′的均衡凸σ(Y′,Y)闭的等度连续集映成X′的凸集,那么就有M等度连续.定理3 X是囿空间的充要条件为:每个从X到Y的一致有界的线性算子族都是等度连续的.定理5 X是Banach-Mackey空间当且仅当L_s(X,Y)中的每个点点有界集都是一致有界的.定理8 X是Mazur空间当且仅当每个从X到Y的序列连续的线性算子都是弱连续的.     

Extreme value distributions of mixing two sequences with the same MDA

Suppose [(i), i>or=1] and [Y(i), i>or=1] are two independent sequences with distribution functions F(X)(x) and F(Y)(x), respectively. Z(i,n) is the combination of X(i) and Y(i) with a probability p(n) for each i with 1相似文献   

完全偶图的定向图

完全偶图是具有二分类（X,Y）的简单偶图，其中X的每个顶点与Y的每个顶点相连，若｜X｜=m,｜Y｜=n，则这样的图记为K_m,n。本文主要研究了Kn,n的定向图。证明了如下结论：对于非负整数a和b，若存在满足每个顶点的入度是a或者是b的一个Kn,n的定向图，则存在非负整数s和t满足方程s+t=2n和as+bt=n2。进一步，对于满足特定条件的非负整数a，b和n，存在K_n,n的定向图使得每个顶点的入度非a即b。     

两图之联的End-正则性

讨论了２个图联图的Ｅｎｄ正则性,得到了一个主要定理,即如果Ｘ＋Ｙ是Ｅｎｄ正则的,那么Ｘ与Ｙ皆Ｅｎｄ正则．说明了此定理之逆不真,但对某些特殊的图Ｘ和Ｙ来说,此定理之逆成立．     

正态随机变量与Γ随机变量之比的分布

针对非对称数据的拟合问题, 构造了由相互独立的正态随机变量与Γ随机变量之比|X/Y|所构成的随机变量, 利用补余误差函数的性质推导了|X/Y|的密度函数与分布函数, 并讨论了其分布特征. 结果表明, 所给出的分布具有尖峰、 细腰和右偏的特性, 能更准确地刻画数据特征.