相依样本非参数回归函数估计的相合性

应用Priestley和Chao提出的一种加权核估计gn（x）=nΣi=1Yixi-xi-1/hnK（x-xi/hn）,在α-混合误差下,讨论了非参数回归函数Yi=g（xi）＋εi（1≤i≤n）中g（x）的相合性,在较弱的条件下证明了它的一致强相合性.     

污染数据线性回归模型的参数估计

污染数据线性回归模型在医学、现代分子学、气象预报学等多领域有着广泛的应用. 笔者研究了污染数据线性回归模型:yi=α βxi εi,i =1,2,…,n,εi相互独立并且服从N(μ1,σ12),同时{yi}受到另一串与之独立的随机变量{ti}的干扰,仅能观察到yi*=(1-v)yi vti,0≤v≤1,其中ti(i =1,2,…,n)相互独立并且服从N(0,σ22),μ1,σ12,σ22均已知.最后给出了回归参数α、β和污染参数v的估计.     

误差是非参数AR（1）序列的变系数模型

利用局部线性方法给出误差序列{εi,1≤i≤n}是非参数AR（I）序列下的变系数模型系数函数的估计,并在此基础上研究了系数函数估计的相合性问题,给出了该模型系数函数估计是弱相合的。     

严格伪压缩映像族不动点的隐格式组迭代逼近

设E是实Banach空间，K是E中非空闭凸集，{Ti}i=1^N是K中严格伪压缩映像族，对x0∈K，一个新的隐迭代格式组按如下格式给出：xn=αnxn-1＋（1-αn）Tnyn yn=βnxn-1＋（1-βn）Tnxn这里Tn=TnmodN,{αn},{βn}属于[0，1]，n≥1。该文研究这个新格式逼近严格伪压缩映像族不动点问题．证明了序列{xn}可以逼近严格伪压缩映像族{Ti}i=1^N的不动点．     

具有重叠结构的非线性吸引予的维数估计

利用质量分布原理，给出了不满足任何分离条件从而具有重叠结构的非线性吸引子的Hausdorff维数下界的一个估计，也就是：设J为R中非空紧子集，Si（x）i=1^n为一簇二次可微的压缩映射，且满足以下条件：1）对任意i∈I，Si（J）J，2）对任意i∈I，x∈J，0〈a≤｜S′i（x）｜≤b〈1。K为J在迭代函数系统Si（x）i=1^n下的非线性吸引，假如∩i∈I^mSi（K）=Ф,则dimHK≥sm,这里sm〉0且满足maxA∈Ωm∑i∈A（Si′）^dm^-sm=1，Ωm为所有m级最大重叠序列的集合，dm满足∑i∈Im（S′i）dm=1，且Si′=minx∈J{Si′（x）}。     

关于点系结构的分析

P是一个给定了直角坐标系{o,x,y}的平面,ε是平面P上的N个点,ai,(xi,yi,)(i=1,2,3,…N当i(?)j时xi(?)xj,yi(?)yj)构成的系统,如果ε有且仅有W个含有3点的非单调子系,那么我们说ε有(N、W)结构。本文回答了一些如下形式的问题:N是一个给定的自然数。问W是哪些数时,存在(N,W)结构的点系?以及W是哪些数时,不存在(N,W)结构的点系?     

保凸有理（2／1）型插值样条函数

考虑对一组保凸型值点列｛（xi,yi）i＝0,1,2,…n｝的插值曲线,给出了一种有理（2／1）型插值样条函数S（x）,并证明了S（x）是保凸插值样条函数.     

混合误差下半变系数模型估计的相合性

讨论了误差序列{iε,1≤i≤n}是α-混合条件下的变系数模型.利用局部多项式方法给出变系数模型系数函数的估计,并在此基础上讨论了系数函数估计的相合性问题,最终证明了该模型系数函数估计是弱相和合的.     

高阶差分方程xn＋1=xn-k/1＋f（xn）g（xn）的解的收敛性

考虑差分方程xn＋1=x_（n＋1）=x（n-k）/1＋f（xn）g（xn）,k∈Z＋,n=k,k＋1,…,其中fg是单调递增的连续函数.对任意的α〉0和β〉0它包含了所有形如f（x）g（x）=αlogx或f（x）g（x）=αxβ的函数.证明了该方程的任意带有初值条件（x0,x1,…,xk）∈R＋k＋1的解是稳定的.当k是奇数时,收敛到（a0,a1,…,ak-1,ak）的解的初始点的集合是形如（y0,y1,…,yk-1,yk）∈[a0,＋∞）×[a1,＋∞）×…×[ak-1,＋∞）×[ak,＋∞）的点的集合,并且关于yi（i=0,2,…,k-1）对所有的ai≥0,yi＋1=hi（yi）和hi∶[ai,＋∞）→[ai＋1,＋∞）分别是唯一的连续增函数.     

ND样本下密度核估计的相合性

设{Xn,n≥1}是同分布的ND随机变量序列,f（x）为其概率密度函数,基于x1,x2,…,Xn,对密度函数f（x）的核估计进行了讨论,根据ND序列的性质和不等式,在适当的条件下证明了其强相合和r阶矩相合.     

一类双线性时间序列的自相关函数的渐近性质

对于双线性时间序列模型xt+p∑j=1ajxt-j=et+p∑j=1bjxt-jet-1,其中{et,t=0,±1,…}为i.i.d．序列,通过利用严平稳序列的m相依中心极限定理,给出了该模型的样本均值,样本自相关函数的渐近正态性质,为模型参数的矩估计创造了条件．     

扰动Newton法求解函数互补问题

把R0 -矩阵的概念推广到了非线性互补问题 (NLCP) :y - f(x) =0 ,x y =(x1y1,… ,xnyn) T=0 ,x ,y∈Rn+ 的情形 ,应用扰动Newton法求解当 f :Rn→Rn是连续可微的P0 -函数时的互补问题。在无严格互补解的条件下证明了若 f(x)是一个连续可微的P0 -函数 ,满足李卜西兹条件 ,且存在一个常数c>0和 0 <ε≤ 1对所有x∈Rn+ 有 fi0 (x) - fi0 (0 )≥c‖x‖ε,其中 ,xki0 =maxi∈I{xki}成立 ,则产生的序列 { ωk}大范围收敛到NLCP的解。并证明了若 ( f(x ) ) γ γ是一个P矩阵 ,那么序列 { ωk}Q - 2阶收敛到NLCP的解ω 。     

强相依非平稳序列位置和高度的联合极限分布

{ξ，i≥1}为标准化的正态序列，相关系数ry=Cov（ξi,ξj）。Mn^（k）是{ξ,i≥1}第k个最大值，Ln^（k）是其出现的位置，本文在条件：j-i→∞时rylog（j-i）→γ∈（0,∞）下，得到了Ln^（2）和Mn^（2）的联合极限分布。     

线性模型下分布函数的估计

利用辅助信息,针对线性模型yi=βxi xiA^qεiεii,i.d,Eεi=0,给出了总体分布函数的估计量：F（t)=1/N[∑i∈s△(t-yi) ∑i∈s1/n i∈s△（t-β*xi-xi^p*uj)],uj=(yj-β*xj)/xj^q*,j∈s,改进了Chambers-Dunstan的结果。     

强相依非平稳序列上超点过程的收敛性

{ξ,i≥1}为标准化的正态序列，rij=Cov（ξi,ξj）。Mn（k）是{ξi,i≥1}第k个最大值，本文在条件：j-i→∞时rijlog（j-i）→γ∈（0,∞）下，得到了ξ１，ξ２，…，ξn时间正规化上超水平un^（1）,un^（2）,…,un^（n）形成的点过程依分布收敛到定义在（0,∞）×R上的二维Cox-过程。     

非平稳序列Mn^（1）和Mn^（2）的联合分布

{i,ξi≥1}为标准化的正态序列,rij=Cov（ξi,ξj）。M（nk）是{i,ξi≥1}第k个最大值,Ln^（k））是其出现的位置,文章在条件：j-i→∞时rijlog（j-i）→γ∈（0,∞）下,得到了Mn（1）和Mn（2）的联合渐近分布。     

一类线性过程中的经验分布函数的收敛速度

涉及到一类平稳的线性过程中分布函数的一致收敛速度.考虑线性过程： X（n）=∞∑i=0δ（i）Z（n-i）,在如下条件下：①Z（n）为 i.i.d.r.v＇s ,且E｜Z（n）｜＜＋∞;②Z（n）的分布函数F具有有界密度;③参数δ（i）满足｜δ（i）｜＜g（i）,其中函数g满足∞∑i=1ig（i）＜∞,给出了 sup x∈R｜F（x）-F（x）｜→0的速度为N-1/2（log N（loglog N/log N））1/2,在相同的条件下,比文献[1]的速度N-1/2（ log N ）快.     

二阶非线性常微分方程组边值问题的正解

利用锥上的不动点指数理论,研究了二阶非线性常微分方程组边值问题： {-u″=f（x,u,v）, -v″=g（x,u,v）, u（0）=u（1）=0, v（0）=v（1）=0. 在较为广泛的条件下,证明了边值问题正解的存在性和多解的存在性,改进和推广了文献[4]中的主要结果．主要创新之处是：非线性项既可以是超线性的和次线性的,也可以是混合非线性的（即在f和g中,一个是超线性的,另一个是次线性的）．主要思路运用凹函数的有关性质和Jensen不等式对正解做先验估计．     

某种三角多项式插值算子的逼近

给定结点系为{xk=x=k,n2kπ/n，k=0，1…，n-1}，定义线性插值算子为：（Unf)(x)=∑∧n-1j=0f(xj)Kn(x-xj),(n=1,2,3…），这里Kn(x)=1/n{1 2∑∧n-1k=1p（i（n-k））/p（ik） p（i（n-k））cosk∧x}，f∈C∧N2π。本文讨论算子Un的逼近问题，得到关于逼近阶的结果。     

数列a_n=(1+t/n)n+p单调下降的条件

本文对文[1]中三个数列:an=（1+1/n）n+pan=（1+t/n）n+1及an=（1+1/n）n（1+t/n）单调下降的充要条件推广至函数形式。证明了函数f（x）=（1+t/x）x+p（p>0,x>max{0,-t}）和φ（x）=（1+1/x）x（1+t/x）（x>0）单调下降的充分必要条件。