序线性空间中(y,O_Z;U_+)-广义次似凸集值映射的最优性条件

讨论序线性空间中(y,OZ;U+)-广义次似凸集值映射的性质,且对此类映射证明了Farkas-Minkowski型择一性定理。并利用此定理,讨论了集值映射向量最优化问题的最优性条件。

非对称广义自回归条件异方差的新模型

本文提出了一个新的非对称广义自回归条件异方差的新模型，证明了该模型宽平稳及其最简模型偶数阶矩存在的充要条件．

一类广义凸集值映射优化问题弱有效解的最优性条件

在拓扑向量空间中定义了(u,0V)-广义次似凸集值映射.在相对内部的条件下,利用凸集分离定理,建立了此映射的择一定理.利用此择一定理,获得了带广义等式和不等式约束的优化问题的弱有效解的最优性条件.

基于Fréchet边界条件的广义估计方程

在广义估计方程(GEE)的框架下,引入二进制变量的Fréchet边界条件,解决广义估计方程在工作相关系数不在可行区间内的情况下,其估计值产生偏差的问题.在Fréchet边界内运用拟似然独立准则QIC选取最佳工作相关系数估计值,保证估计值的有效性,并结合马尔科夫链模型的极大似然估计值对分析结果进行验证.对Ham-D数据的分析表明,在GEE框架下考虑变量的Fréchet边界条件将改变对药物效果显著性的错误推断,其结果与马尔科夫链模型的分析结果一致.

(u,02)-广义次似凸映射的择一定理及其对向量优化的应用

在序线性拓扑空间中,引入(u,02)-广义次似凸映射,建立了(u,02)-广义次似凸映射的一个择一定理.最后,利用此定理,在序线性拓扑空间中得到了带广义不等式约束的向量极值问题的最优性必要条件和充分条件.

观察值驱动的广义INAR(1)过程的经验似然推断

整值时间序列分析作为时间序列分析的重要组成部分,被广泛地应用于社会生活的各个领域。文章提出了一类观察值驱动的广义INAR(l)过程,推导了该模型的概率统计性质,并利用经验似然的方法研究了该模型的参数估计问题,给出了模型参数的极大经验似然估计量及其渐近分布。通过一系列的仿真实验,验证了经验似然方法的有效性。最后利用所提出的模型拟合了一组犯罪数据。

自激励广义二项门限自回归模型的统计推断

针对有上限且数据之间具有相依结构的非线性整数值时间序列数据的建模问题,提出一个自激励广义二项门限自回归模型.首先,证明该模型的严平稳遍历性,并讨论模型的一些统计性质:期望、方差、自协方差和转移概率;其次,分别给出门限变量在已知和未知两种情形下模型参数的条件最大似然估计方法;最后,将该模型应用到一组实际数据中进行拟合验证.

线性空间中集值映射向量优化问题的最优性条件与Lagrangian乘子(英文)

本文在广义次似凸性假设下，利用择一性定理，在线性空间中获得了含等式与不等式约式集值向量最优化问题的 Ｋｕｈｎ－Ｔｕｃｋｅｒ型最优性条件及 Ｌａｇｒａｎｇｉａｎ乘子定理．

一类向量极值问题的最优性条件和Lagrange对偶

在序局部凸Hausdorff空间中利用广义次似凸映射下的择一定理,得出带集合约束的向量极值问题的一个最优性充要条件.利用此充要条件和二次G-可微函数的性质,获得了可微向量极值问题的几个最优性条件.最后,得到了此类向量极值问题的向量值Lagrange对偶.

线性空间中集值映射向量最优化的最优性条件

李泽民建立了实线性空间中次似凸集值映射向量最优化问题的K T条件和Lagrange乘子定理。笔者首先引进了广义次似凸集值映射的概念。然后 ,在实线性空间中建立了一个广义次似凸集值映射的择一性定理。最后 ,利用择一性定理 。

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。

线性空间中一类向量优化问题的最优性条件

在序线性空间中,引入(u,0_2；Y_+)-广义次似凸映射,建立了此映射下的一个择一定理。利用此定理,得到了带广义不等式约束的向量优化问题的最优性必要条件和充分条件。

序线性空间一类向量极值问题的最优性条件

在序线性空间中证明了广义次似凸映射下的择一定理,利用这一定理获得了一类向量极值问题的最优性条件。

序线性空间中集值优化问题弱有效解的最优性条件

在序线性空间中,引入(u,02;Y+)—广义次似凸集值映射,建立了此映射下的一个择一定理.利用此定理,在序线性空间中获得了带广义不等式约束的集值优化问题弱有效解的最优性必要条件和充分条件.

一类集约束下的向量极值问题的最优性条件

利用序局部凸Hausdorff空间中的广义次似凸映射下的择一定理,得出带集约束的向量极值问题的最优性条件.

局部凸空间中带有约束的向量极值问题的最优性条件

运用序局部凸空间的广义次似凸映射下的择一性定理,得出带有约束的向量极值问题的最优性条件。

有限多个集值映象公共不动点的修正的Mann迭代程序

研究用于寻求有限多个集值似Φ-伪压缩映象公共不动点的修正的Mann迭代程序.在似广义Lipschitzian条件下证明了分别在Hilbert空间与一致光滑Banach空间中由修正的Mann迭代程序生成的序列强收敛到这有限多个集值似Φ-伪压缩映象唯一的公共不动点.

随机效应生长曲线模型的一个注记(英文)

讨论回归系数估计的稳健性一直是回归分析中的一个热门话题.对于含随机效应的生长曲线模型,由于其响应变量观测之间不独立使得该问题的讨论异常困难,特别是当其设计矩阵非满秩时.本文不仅给出了当设计阵非满秩时广义最小二乘估计等于最佳线性无偏估计的充要条件,而且还在误差协差阵为任意正定阵的一般假设下给出了广义最小二乘估计与极大似然估计相等的充要条件.利用这些结论我们得到了在几种常见协差阵假定下广义最小二乘估计与极大似然估计相等的推论.文章最后还分别在设计阵满秩和非满秩情形下对所得理论结果进行了模拟演示.

基于JSU分布的广义自回归条件密度建模及应用

金融时间序列的分布对于全面、准确把握金融资产收益的动态行为具有重要的意义,而广义自回归条件密度(GARCD)建模为描述金融资产收益的概率密度函数提供了一种工具。本文在JSU分布的基础上,建立了GARCD-JSU模型,给出了模型的参数估计方法及模型拟合效果的检验方法。利用建立的GARCD-JSU模型不仅可以得到金融时间序列的时变概率密度函数,而且还可以测算出时变高阶矩的变化,从而克服了正态分布假定框架下仅从前二阶矩出发考虑金融时间序列分布特征的局限性。

一个择一定理及其对向量极值问题的应用

在线性拓扑空间中引入(u,O2)-广义次似凸集值映射,建立了此映射的一个择一定理．并利用此定理获得了带广义等式和不等式约束的向量极值问题的最优性条件．