多元线性模型中最小二乘估计的相对效率

考虑一般的多元线性模型Y_(n×k)=X_(n×p)_pB_(p×k)+e_(n×k),E(e)=0,COV(e)=V∑,其中V为已知参数矩阵,∑为已知协方差矩阵。当rank(X)0推广至∑≥0,从而包含了Haberman的结果,使之所得结果更具有一般性。     

生长曲线模型中最小二乘估计的一种新的相对效率

对于生长曲线模型,Yn×k=Xn×pβp×pZq×k+en×k,E(e)=0,Cov(e)=Vk×k∑n×n,在一定条件下,引入了回归系数的最小二乘估计与最佳线性无偏估计的一种新的相对效率e4(^β*/^β),并讨论了它们的下界。修正了当未知参数矩阵β不可估时,相对效率e1(^β*/^β)。     

奇异线性模型中最小二乘估计效率的一个注记

考虑奇异线性模型:Yn×1=Xn×pβp×1+εn×1,E(ε)=0,cov(ε)=∑,设β*=(X＇∑+X)+X＇∑+Y,β=(X＇X)+X＇Y。当∑≥0和rank(X)=p时,定义最小二乘估计β与最佳线性无偏估计β*相对效率为e4(β*/β)=||cov(β*)||／||cov(β)||。当∑≥0和rank(X)＜p时,对可估函数c＇β自然考虑两种估计的方差之比的下界,提出的相对效率为e5(β*/β)=var(c＇β*)／var(c＇β)。在μ(X)(?)μ(∑)条件下,给出了它们的下界。关于相对效率的讨论通常有∑＞0的假定,利用矩阵分析的方法将协方差矩阵∑＞0推广至∑≥0的情形,从而包含了Bloomfield-Watson的结果以及推广了Kantorovich不等式。     

生长曲线模型中LSE的一个新的相对效率

对于一般生长曲线模型Yq×n=Aq×mBm×kCk×n+ε ,E(ε) =0 ,cov(ε→) =Vn×n Hq×q>0 ,本文定义了B^相对于B 的一个新的相对效率 ,给出了它的一个上界 ,并讨论e(B^|B )与e(p) (B^|B )的关系 .     

完整三角和的一种新估计

设q为一个正整数,f(x)=sum from n=0 to ka_nx~n(k≥4)是一个适合条件(a_1,a_2,…,a_k)=1,且(na_n,q)=(1l有|s(p~1,f(x)|≤(k-1)p~V,其中 1/2,1=1或偶数 V= ,以及对任意 (1+1)/2,1≥3且1为奇数自然数a有 |s(a,f(x))|≤e(0.247(k-1)~4)q(3/4)     

线性模型中一种新的相对效率及其性质的研究

定义了线性模型的一种新的相对效率，即cov(β^*）对于cov(β)的所有相对特征很之和的单位化。这种新的定义方式较深刻地揭示了cov(β^*)与cov(β)之间的关系。对这种新的相对效率的性质及其和其它形式的定义之间的关系进行了研究与比较，得到了系列有意义的结果，最后我们还给出了它的下界的两种独立的估计。     

约束线性回归模型的一种可容许估计

对于带约束的线性回归模型,Y=Xβ+e,E(e)=0,Cov(e)=σ2V,V0,Rβ=0,给出了回归系数的有偏估计βR*(k)=(kM+I)-1βR*(k≥0),求出了在均方误差意义下βR*(k)优于βR*的条件,并讨论了其可容许性.     

求GF(pm)上周期为kn的序列线性复杂度的快速算法

提出和证明了求GF(p^m)上周期为kn的序列线性复杂度和极小多项式的一个快速算法, 其中p是素数, gcd(n, p^m-1)=1且p^m-1=kt, n,k与t均为正整数．该算法推广了陈豪提出的求GF(p^m)上周期为3n的序列线性复杂度的一个快速算法, 其中p是素数, gcd(n, p^m-1)=1且p-1=3t, n与t均为正整数．结合一些已知的快速算法, 可以快速计算GF(p^m)上周期为kn的序列线性复杂度, 最后给出一个具体例子．     

极大距离可分码的存在范围研究

引进了F2上矩阵的行间距和极小行间距概念,给出了极小行间距的一些基本性质,证明了在小行间距的两个重要定理。给出了Vn(F2)中Hamming极小距离的两个重要结论,得到了二无线性码(n,k)中存在极大距离可分码的一个必要条件:当k ≥ 3时,n ≤ 3(k一1);当k ≥ 5并且n能被3整除时,nk-1)。同时给出了q元线性码(n,k)中存在极大距离可分码的一个必要条件。     

一类矩阵迹的不等式

证明了满足条件R[A,B]≤1(其中R[A,B]=AB-BA)的矩阵迹的等式tr (AB)n=tr(AnBn)和满足条件R[A,B]≤1且具有实特征值的矩阵迹的Bellman不等式tr(AB)≤√trA2·trB2和tr(AB)≤tr(A B/2)2≤trA2 trB2/2.     

线性模型中一些有偏估计在MSE准则下的优良性

对于线性回归模型Y=Xβ+,εE(ε)=0,cov(ε)=σ2V,V≥0,针对设计阵多重共线性问题,给出了回归系数的几个有偏估计,并讨论在MSE准则下优于广义最小二乘估计的条件,解决了复共线性的回归问题.     

关于正定矩阵的迹

证明了关于正定矩阵迹的两个例题：（1）设A,B为m阶正定矩阵,且AB=BA,则有tr(AB)^n≤（trAB)^n,(2)设A,B为m阶正定矩阵,则有tr(AB)≤tr{[diag(λ1,λ2,...λ^m)]^nB^n}。     

多元线性模型中系数矩阵的Minimax可容许估计

对于多元线性模型Y=XΘ＋ε,E（ε^→）=0,COV（ε^→）=σ^2△↓×Σ,在该模型中,Θ是未知参数矩阵,此处选取的损失函数是矩阵损失,在齐次线性估计类L={AY：A是k×n的常数矩阵}中给出了多元回归系数矩阵的可估函数SΘ的Minimax容许估计,并且证明了其唯一性.     

单位园上插补多项式的Bernstein—Rogosinsiki求和

考虑解析于|Z|<│内而连续于|Z|≤│上的函数 f(Z),关于单位园周上等距结点系的 Lagrange 插补多项式按 Bernstein——Rogosinsinsiki方法求和:U_n(f,Z)=(1)/(2)[Ln(f,Ze~((π)/(n)))+Ln(f,ze~(-(π)/(n)i))],证明了 Un(f,z)在|(Z)<|内闭一致为敛,而又■(f,-1)=∞。     

Solvability of the Diophantine equations xp + 22m y4 = pk z2 and xp + y2 = pk z4

We study the solvability of two classes of Diophantine equations by using some new methods and new results in this paper.Letp be an odd prime and Bn denote nth Bernoulli number.We prove that ifp ≡ 1(mod 4)andp |B(p-1)/2,then the equationxp +22mn4 = pky2,m,n,k ∈ N ,k ＞ 1,gcd(x,py)= 1,and the equationxp +y2 =pkz4,k ∈ N,gcd(x,y)= 1,k ＞ 1,21 y have no integral solutions respectively.     

关于Lucas数立方与二项式数的卷积公式

对于非负整数l,L_l表示第l个Lucas数;$\left( {array}{l}n\\i{array} \right) = \frac{{n!}}{{i!\left( {n - i} \right)!}}$为二项式系数;对于非负整数l和k以及正整数n,设l(k, 3, n)是数列$\left\{ {\left( {array}{l}n\\i{array} \right)} \right\}_{i = 0}^n$和$\left\{ {L_{k + i}^3} \right\}_{i = 0}^n$的卷积,即l(k, 3, n)=$\left( {array}{l}n\\0{array} \right)L_k^3 + \left( {array}{l}n\\1{array} \right)L_{k + 1}^3 + \cdots + \left( {array}{l}n\\n{array} \right)L_{k + n}^3 = \sum\limits_{i = 0}^n {\left( {array}{l}n\\i{array} \right)L_{k + i}^3} $。文章证明了k≥n时,l(k, 3, n)=2nL_3k+2n+3(－1)k+nL_k－n; 当k < n时,l(k, 3, n)=2nL_3k+2n+3L_n－k成立。     

关于(0,2,3)型插值多项式的逼近阶研究

设f(x) ∈C_(2π),Qn(f,x)是以x_(kn)=(2πk)/n(k=0,1,…,n-11)为基点的(0,2,3)型插值多项式,n=2m+1。Tm(f,x)是以{X_(kn)}_(k=0)~(n-1)为基点的(0)型插值多项式。因为u_n(x)∈C_(2π),使得 lim[f(x)-Q_n(f,x)-u_n(x)(f(x)-T_m(f,x))]=0 n→∞ (关于0≤x≤2π一致地成立)。本文进一步得到了逼近阶估计: |f(x)-Q_n(f,x)-u_n(x)(f(x)-T_m(f,x))| ≤C[ω(f,(1_nn)/n)+1/n_(k=1)~nΣω(f,1/k)]