Пространство является естественно редуктивным при
0
=
3
2,
p . Нормальная алгебра голономии (при
0
2,3
p
в случае 3.5.1, при
1
2
2,3
p
в случае 3.5.3):
«Проблемы и перспективы развития науки в начале третьего тысячелетия в странах СНГ»
155
.
0
0
0
3 2 3 1 2 1 s s s s s s
1.3.3, 1.3.4, 1.3.5,
1.3.6. Связность
.
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
3
3,
1
1,
2
1,
2
1,
1
1,
1
3,
2
3,
3
1,
3
2,
2
3,
1
3,
3
2,
3
1,
r r r r r p p p p p p p p
В случаях 1.3.5, 1.3.6 при равенстве нулю всех параметров пространство является естественно
редуктивным.
Нормальная алгебра голономии (при
0
=
=
3,3
1,1
r r ,
0
=
=
=
=
3,2
2,3
3,1
1,3
p p p p ,
1
1,2
r
в
случае 1.3.3, при
0
=
=
3,3
1,1
r r ,
0
=
=
=
=
3,2
2,3
3,1
1,3
p p p p ,
1
1,2
r
в случае 1.3.4, при
0
=
=
3,3
1,1
r r ,
0
=
=
=
=
3,2
2,3
3,1
1,3
p p p p
в случае 1.3.5, 1.3.6):
.
0
0
0
0
0
0
0
1 1 s s
1.3.1, 1.3.2, 1.3.7. Связность совпадает с выписанной в случае 1.3.3. В случае 1.3.1 при равенстве нулю
всех параметров пространство является естественно редуктивным.
Нормальная алгебра голономии (при
0
2,3
3,2
3,1
1,3
p p p p ,
0
=
3,3
r ,
0
=
1,1
r ,
0
1,2
r ,
2,3
3,1
3,2
1,3
=
p p p p
в
случае
1.3.1,
при
0
2,3
3,2
3,1
1,3
p p p p ,
0
=
3,3
r ,
0
=
1,1
r ,
2,3
3,1
3,2
1,3
=
p p p p
в случае 1.3.2, при
0
1,2
2,3
3,2
3,1
1,3
r p p p p ,
0
=
3,3
r ,
0
=
1,1
r ,
2,3
3,1
3,2
1,3
=
p p p p
в случае 1.3.7):
.
0
0
0
3
3,1
2
3,2
3
3,2
2
3,1
3
1,3
2
2,3
3
2,3
2
1,3
s p s p s p s p s p s p s s p s p s 1 1
После замены базиса в случае, если
0
<
3,1
1,3
p p
или
0
<
0,
=
2,3
3,2
3,1
1,3
p p p p , алгебра
голономии
совпадает
с
представленной
в
случае
3.5.1,
в
случае,
если
0
>
3,1
1,3
p p
или
0
>
0,
=
2,3
3,2
3,1
1,3
p p p p , пара допускает только псевдориманову метрику сигнатуры (2, 1).
Литература : 1.
К
ostant
В
. On differential geometry and homogeneous spaces –
Proc. Nat. Acad. Sci. USA, 42 (1956), p. 258
–
261,
354
–
357.
2. Kobayashi S. Foundations of Differential Geometry/ S. Kobayashi, K. Nomizu // New
–
York
–
London, v. I, 1963; v. II,
1969.
Виктория Мотеюнайте , Анна Бочарова - Лескина (Краснодар, Россия) ПРИМЕНЕНИЕ НЕПАРАМЕТРИЧЕСКОГО ТЕСТА ЗНАКОВ ДЛЯ ДВУХ ЗАВИСИМЫХ ВЫБОРОК В процессе исследований зачастую приходится иметь дело несколько раз с одной и той же выборкой.
Например, в социологических исследованиях при работе с группой респондентов какой
-
либо показатель может
измеряться дважды –
до проведения определённого мероприятия с членами группы и после. В подобных случаях
мы имеем дело с зависимыми выборками. Многие непараметрические методы статистики предназначены для
работы с такими выборками с целью выявления происходящих изменений по принципу «до и после».
Рассмотрим следующую задачу. В группе студентов, состоящей из 20 человек, преподаватель на каждом
занятии в течение первого семестра проводил проверку посещаемости и в конце семестра составил список
студентов с указанием того, сколько занятий в течение семестра каждый студент пропустил. В начале второго
семестра преподаватель объявил, что те студенты, которые в текущем семестре пропустят меньше всего занятий,
получат определённый бонус на экзамене. В конце второго семестра он снова составил список студентов с
количеством пропусков занятий. Оба списка приведены в таблице 1.
156
«Проблемы и перспективы развития науки в начале третьего тысячелетия в странах СНГ»
Таблица 1
Можно ли на основании приведённых данных утверждать, что во втором семестре пропусков занятий стало
меньше?
Для ответа на поставленный вопрос используем один из непараметрических методов математической
статистики –
тест знаков. Отличительной особенностью этого теста является то, что для его применения
достаточно знать, в какую сторону (увеличения или уменьшения) изменились (сдвинулись) результаты второго
измерения по сравнению с первым. В том случае, если второй результат больше первого, обозначим его «+»
(положительный
сдвиг), если второй результат меньше первого, обозначим его «
-
» (отрицательный сдвиг). Если
результат не изменился, обозначим его «0» (нулевой сдвиг).
Затем подсчитываем количество положительных, отрицательных и нулевых сдвигов. Нулевые сдвиги
игнорируются, поскольку они свидетельствуют об отсутствии изменений. Сравнение количества положительных и
отрицательных сдвигов позволяет выделить типичное направление сдвига. Если положительных сдвигов больше,
то типичное направление сдвига –
положительное. Если же больше сдвигов со знаком «
-
», то типичное
направление сдвига –
отрицательное. Сдвиги в сторону, противоположную типичному направлению сдвига,
определим как нетипичные. Чем меньше число нетипичных и нулевых сдвигов, тем более существенны различия
«до и после» между выборками.
Выбираем уровень значимости
05
,
0
и сформулируем нулевую и альтернативную гипотезы.
0
H : Различия между выборками носят случайный характер: ситуация с опозданиями во втором семестре
не отличается от ситуации с опозданиями в первом семестре.
Для того, чтобы сформулировать альтернативную гипотезу, обработаем данные, представленные в
таблице. Для каждой пары значений «до и после» определим и запишем в таблицу направление сдвига результатов
второго измерения по сравнению с первым:
–
число пропусков во втором семестре стало меньше числа пропусков в первом семестре:
A>B;
–
число пропусков во втором семестре стало больше числа пропусков в первом семестре:
A–
число пропусков во втором семестре равно числу пропусков в первом семестре: А=В.
Определим и запишем в таблицу знак сдвига (он определяется вычитанием результата «после» из
результата «до»).
Подсчитаем количество отрицательных, положительных и нулевых сдвигов: число отрицательных –
12,
число положительных –
4, число нулевых сдвигов –
4. Исключаем из дальнейшего рассмотрения нулевые сдвиги;
выборка уменьшается до 16 значений. Поскольку отрицательных сдвигов 12, а положительных 4, то типичное
направление сдвига –
отрицательное. Поэтому в качестве альтернативной гипотезы выбираем гипотезу
1
Н :
Различия между выборками носят неслучайный характер; опозданий во втором семестре стало меньше, чем в
первом.
Очевидно, что число типичных сдвигов равно 12, а число нетипичных сдвигов равно 4. Если результаты
«после» распределены случайным образом (то есть с одинаковой вероятностью результаты «после» могут как
возрасти, так и уменьшиться по сравнению с результатами «до»), то существует определённая вероятность того,
что интересующее нас событие наступит не более 4 раз из 16. Эту вероятность вычислим по формуле Бернулли:
Поскольку полученное значение вероятности, говорящей о случайности распределения сдвигов, меньше
выбранного уровня значимости, то нулевая гипотеза отвергается и принимается альтернативная. Таким образом,
опозданий во втором семестре стало меньше, чем было в первом.
Литература: 1.
Кремер Н.Ш. Теория вероятностей и математическая статистика / Кремер Н.Ш. Учебник для вузов. –
2-
е изд.,
перераб. и доп. –
МНОГОСОЛИТОННЫЕ РЕШЕНИЯ ВЕКТОРНОГО ДВУХКОМПОНЕНТНОГО НЕЛИНЕЙНОГО УРАВНЕНИЯ ШРЕДИНГЕРА СО СМЕШАННЫМИ ГРАНИЧНЫМИ УСЛОВИЯМИ
Как известно, в последние годы алгебро
-
геометрический метод интегрирования[
]
стал одним из методов
построения широкого класса решений ряда фундаментальных нелинейных уравнения математической физики. Этот
метод позволяет получить в явном виде известные и новые многосолитонные решения данных уравнений, в
частности нелинейного уравнения Шредингера (НУШ), и является одним из методов, позволяющих получать
решения и в тех случаях, когда для вспомогательных нелинейных задач нет последовательного решения прямой и
обратной задачи рассеяния .
Впервые этот метод был предложен И. А. Чередником для построения решений векторных версий НУШ и в
дальнейшем развит в[
]
.
Напомним, вкратце, суть метода. Для оператора
( ) ( )
с нулевым собственным значением
( ) ( )
в качестве собственных функций
( )
принимается функция Бейкера
-
Ахиезера следующего вида
( )
( )
( )
где
( )
( )
-
полином по некоторой степени
.
Построим сначала комплексные интегрируемые потенциалы . Зададим набор различных чисел
где
эти величины являются параметрами конструкции. При заданных параметрах функцию
( )
можно однозначно определить, потребовав, чтобы она удовлетворяла следующей системе линейных
условий:
∑
( )|
( )
Эти условия эквивалентны системе линейных уравнений на коэффициенты
системы (7) не является тождественно (по
) вырожденной . Тогда
функция вида (3) , определенная условиями (5) , удовлетворяет уравнению (2) , с потенциалом
( )
равным
( )
( )
( ) ( )
В общем случае, когда значения параметров
Произвольны , получающиеся потенциалы
( )
являются
комплексными и мероморфными функциями переменных
и
. Опишем те ограничения на эти параметры ,
которые гарантируют вещественность и неособость (при всех вещественных
) потенциалов .
Потребуем, чтобы
и чтобы величины
ненулевые мнимые части и распадались на
комплексно сопряженные пары
̅
Не ограничивая общности , можно считать, что минор матрицы
составленный из столбцов с номерами
единичный . Система условий (5) перепишется тогда в виде
( ̅
) ∑
(
) ( )
где
постоянная матрица размером
. Удобно перенормировать функцию ( )
, вводя
полюсов
первого порядка, полагая
( )
( )
(
)(
) (
)
∑ ( ∑
( )
)
(10)
Условия (5) для перенормированной функцию
( )
перепишутся в виде
( ̅
) ∑
( ) ( )
где постоянная матрица
[ ( ̅
)]
́(
) ( )
( ) (
)(
) (
)
штрих означает производную по
.
158
«Проблемы и перспективы развития науки в начале третьего тысячелетия в странах СНГ»