共查询到20条相似文献,搜索用时 187 毫秒
1.
设E_k为k维欧氏空间(k≥2),Q_k={x∈E_k,-π≤x_i≤π≤,i=1,2,…,k}。B(x_0,r)={x∈E_k,|x-x_0|≤r},Ω={x∈E_k,|x|=1},P(x)为n次 相似文献
2.
1.设(X,d)为紧致度量空间。用C~0(X,X)表全体X上连续自映射的集合并赋以C~0拓扑(一致收敛拓扑)。设f∈C~0(X,X)和任给ε>0。设x,y∈X。从x到y的一个ε链是指有限序列{x_0,…,x_n},使得x_0=x,x_n=y且d(f(x_(i-1)),x_i)<ε,i=1,2,…,n。用CR_ε(x)表X的这样的子集,使得y∈CR_ε(x)当且仅当存在从x到y的ε链。当y∈CR_ε(x) 相似文献
3.
4.
设p是一个奇素数,q=p~l,l≥1,F_q是一个q元有限域,c_i(i=1,2,…,n)是F_q的非零元。设d_1,…,d_n是给定的n个大于1的正整数,d_i|q-1,i=1,2,…,n,N代表F_q上对角方程的解的个数,即N=|H_f(F_q)|,H_f(F_q)={a∈A~n(F_q)|f(a)=0}是由f=c_1x_1~(d_1)+…+c_nx_n~(d_n)在A~n(F_q)中所定义的超曲面,A~n(F_q)表有限域F_q上的n维仿射空间。熟知这里I(d_1,…,d_n)代表方程 相似文献
6.
考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式: 相似文献
7.
非负整值随机变量序列的一类强律 总被引:4,自引:0,他引:4
设{X_n,n≥1}是一列在S={0,1,2,…}中取值的随机变量,其分布为f(x_1,…,x_n)=P(X_1=x_1,…,X_n=x_n)>0,x_k∈S,1≤k≤n.(1)易知{X_n,n≥1}独立同分布的充要条件是存在S上的分布(p(0),p(1),…),P(i)>0,i∈S,(2)使得对任意正整数n有f(x_1,…,x_n)=multiply from k=1 to n p(x_k),x_k∈S,1≤k≤n.(3)为了表征{X_n,n≥1}与服从分布(3)的独立随机变量之间的差异,我们引进如下的似然比: 相似文献
8.
设X=(x_1,x_2,…,x_n)为n 个症状(或体征,为方便计,以下统称为症状)的向量.各分量用0或1赋值,即x_j={1,若第j 个症状出现, 0,其他情况,j=1,2,…,n.又设U={X}是症状向量的集合,它一共有2~n 小元素.令S_(?)(i=1,2,…,m)表示m 个证 相似文献
9.
V为n维酉空间,(?)~kV为定义了诱导内积(x~(?),y~(?))=multiply from i=1 to k (x_i,y_i)的k 阶张量积空间,其中x~(?)=x_1(?)…(?)x_k,y~(?)=y_1(?)…(?)y_k 为(?)~kV 中的可合张量.对于(?)~kV 中的线性算子(?),K.Fan与Marcus 等人在[1,2]中定义了(?)的数值域W~(?)(?)={((?)x~(?),x~(?))|x_1,…,x_k,o.n.},并研究了它的若干基本性质.最近,王伯英证明了,若(?)=A_1(?)…(?)A_k,A_i∈L(V),i=1,…,k,k相似文献
10.
设E_K为K维欧氏空间,E_K中的点x记为x=(x_1,x_2,…,x_k),Q_k{x∈E_k;-π≤x_i<π,1≤i≤K},B(x_0,r)={x∈E_k;|x-x_0|≤r},Q={x∈E_k;|x|=1},K(x)=P(x/|x|)|x|~(-k)为球调和核,此处P(t)为n次齐次调和多项式。 相似文献
11.
一类非自治非线性系统零解的稳定性 总被引:3,自引:0,他引:3
dx_i/dt=A_i(t)x_i,(i=1,…,r) (3)的一个线性关联。这里x_i=col(x_1~((i)),…,x_(ni)~((i)))(i=1,…,r),n_1 … n_r=n,x~T=(x_1~T,…,x_r~T),A_i(t)为n_i×n_i(i=1,…,r)阶实对称矩阵,其特征方程的根关联项A_(ij)(t)为n_i×n_j阶矩阵,A(t)的每一元素连续有界,设|a_(ij)(t)| 相似文献
12.
关于用相似性法鉴别双生儿类型,本文给出较一般的准确率公式,并指出文[1]中存在的问题.设双生儿有n 个指标x_1,x_2,…,x_n 一致,其中第i(i=1,2,…,n)个指标x_i 来自婚配型A_(ij) 的概率为P_(ij),并且sum j=1 to n_i p_(ij)=1,而婚配型A_(ij)中出现这第i 个指标x_i 的概率为q_(ij)(j=1,2,…,n_i).又设一对双生儿为二卵性起源(即一对双生儿为双合子双生儿(二卵双生儿或异卵双生儿))的概率为p,而且上述事件都互相独立,那末上述n 个指标一致的一对双生儿为双合子双生儿的概率为 相似文献
13.
线性模型中最小二乘估计的强收敛速度 总被引:1,自引:1,他引:0
考虑线性模型如下:y_i=x_i~′β+e_i,i=1,2,…, (1)其中x_i~′=(x_(ij),…,x_(ij)为已知常值向量,β′=(β_r,…β_p)为未知参数向量。令设计矩阵X_n=(x_1…,x_n)′;Y_n=(y_1,…,y_n)′;S_n~(-1)=(X_n~′X_n)~(-1)(?)(S_(ij)~n)1≤i,f≤n。熟知β的最小二乘估计(n)有如下表达式 相似文献
14.
这里扼要给出我们在非线性正系统方面所得到的几个结论,有关定义见文献[1].文献[2]中通过矩阵给出了线性正系统的概念.以下定义是更一般的:定义设某系统在零时刻由x 出发的轨线为φ(t,x),并记R_+~n={(x_1,x_2,…,x_n)~T∈R~n|x_i≥0,i=1,2,…,n).若对任意的x∈R_+~n,有φ(t,x)∈R_+~n,(?)t≥0,则该系统为一正系统.其中t 对于连续系统属于实数集R,对于离散系统属于整数集Z. 相似文献
15.
考虑非参数中位数回归模型Y_(ni)=g(x_(ni)) ε_(ni),1≤i≤n,(1)其中g:[0,1]|→R是待估计的连续函数,{x_(ni):1≤i≤n}是区间[0,1]上的非随机设计点列,{ε_(ni):1≤i≤n}是iid随机变量,中位数为零,{Y_(ni):1≤i≤n}是观察值.对x∈[0,1],n≥1,记D_(nj)(x)为x的第j个近邻,j=1,2,…,n,即{D_(n1)(x),D_(n2)(x),…,D_(nn)(x)}为{x_(n1),x_(n2),…,x_(nn)}的一个置换,满足|D_(n1)(x)-x|≤|D_(n2)(x)-x|≤…≤D_(nn)(x)-x|,结按自然顺序消去.令Y_(ni)(x)和ε_(ni)(x)分别表示D_(ni)(x)(1≤i≤n)处的观察值和随机变量.下面的估计g_n(h,x)=(?){Y_(n1)(x),Y_(n2)(x),…,Y_(nh)(x)},(2)(?)表示样本中位数,这个估计称为g(x)的最近邻中位数估计(或者局部中位数估计),其中近邻个数h起着光滑参数作用.h的选择对估计的好坏起着决定性的作用.作者与郑忠 相似文献
16.
定义 设M=和M′=是两个有限自动机。任何s∈S和s′∈S′,若对任何x_0,x_1,…∈X都存在x_(_t),…,x_(-1)∈X使得λ′(s′,λ(s,x_0x_1…))=x_(-t)…x_(-1)x_0x_1…成立,且对任何l≥n≥0,任何x_0,…,x_l∈X和任何y_0~′,…,y_(n_1)~′,y_0,y_1,…,y_l∈y,都可由y_0…y_l=λ(s,x_0…x_l)推出λ′(s′,y_0 … y_l)=_(n+c)λ′(s′,y_0~′…y_(n-1)~′y_n…y_l),则称(s,s′)为延迟t步误差传播长度不大于e的匹配对,其中e是一非负整数,a_0a_1…a_l=_tb_0b_1…b_l表示a_t…a_l=b_t…b_l。对任何 相似文献
17.
设X为Banach空间,B(X)表X上有界线性算子的全体。定义 设T∈B(X),n≥2为给定的正整数,如果对σ(T)的任何开覆盖,(ⅰ)存在T的不变子空间Y_i使;(ⅱ)存在与T可换的算子E_i∈B(X)使I=sum from i=1 to n E_i,R(E_i) 相似文献
18.
19.
20.
1 定义与结论随着分形几何和动力系统的深入发展,符号动力学已成为研究浑沌和分形的一个有力工具,进一步讨论符号空间的有关分形特征是有用的.本文将给出符号空间中子位移的测度熵与维数的关系,证明Bowen的维数公式在非Markov结构下成立,从而得到关于维数的不变原理.设E={1,…,N},其中N≥2,赋与E以离散拓扑,设积空间∑_N=∏_i~∞=_1E,称∑_N为 n个符号组成的符号空间,它是一个紧致的可度量化空间.设P=(P_1,P_2,…,P_N)满足0相似文献