用样条函数方法求一类函数方程的数值解

文[1,2,3,]指出,一类双曲方程(组)的某些定解问题,最后归结为求解函数方程f(x)=(?)α_if(α_ix) g(x),-∞相似文献   

流形上正定径向基函数插值的局部误差估计

给出了正定径向基函数φ(||x||)在流形(?)D上插值的误差估计.误差不仅和φ(||x||)的傅立叶变换在无穷远点的衰减性有关,而且和流形D的光滑性有关.基本的方法是利用R~n中流形D在R~(n-1)上的投影构造n—1元向量替代n元向量.这个方法避免了因为流形(?)D不满足径向基函数插值的锥条件而带来的误差估计的问题,有助于偏微分方程数值解的无网格方法的理论误差估计.     

关于线性函数方程连续解的存在性和近似解

本文给出了线性函数方程φ(x)=g(x)Ψ[f(x)]+F(x)连续解的两个存在性定理,给出了该方程的近似解及其误差估计.     

强混合删失数据密度函数估计的r阶相合性

在α-混合序列下,研究了基于删失数据的密度函数f(x)核估计的r(r>2)阶相合性,并给出了失效率函数λ(x)的估计,且证明了其r(r>2)阶相合性.     

等距节点下三次样条函数的误差估计

样条插值函数的余项估计是样条函数逼近的基本问题之一,假设函数f(x)是足够光滑的,即满足对f(x)的高阶导数的要求,对f(x)的余项R(x)利用泰勒展开式及积分表达式,分析其特性,运用一些变换技巧,而得到余项R(x)的估计式,并给出了误差限,同时还可以对余项的导数R(i)(x)(i=1,2,3)进行估计。     

对数误差平方损失函数和MLINEX损失函数下一类分布族参数的Minimax估计

考虑如下一类分布族:F(x;θ)=1-[g(x)]θ,A≤x≤B,θ＞0,其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0.在对数误差平方损失函数和MLINEX损失函数下,得到了参数的Bayes估计和Minimax估计.     

关于Adini板元的最大模估计

本文讨论Adini非协调板元的最大模估计,利用正则Green函数与非协调误差项的直接展开,我们得到了误差阶0(h~2|1nh|~(1/2))。     

确定表面热流的非标准逆热传导问题的Fourier正则化方法

考虑确定热流ux(x ,t) ,0 ≤x<1的如下非标准逆热传导问题ut+ux =uxx 0 ≤x≤∞ ,0 相似文献   

ND样本密度函数的小波估计

设X1,X2,…,Xn是同分布的负相依(ND)随机样本,且其密度函数f(x)未知,利用小波方法,构造了f(x)的小波估计器,并给出该估计器在Besov空间上的Lp(1≤p∞)风险上界。     

均匀矩形区域下双三次样条函数的误差分析

样条插值函数作为工程中应用广泛的一类插值函数，其余项估计是样条函数逼近理论中的一个基本问题、对于足够光滑的二元函数f(x，y)，其双三次样条函数s(x，y)不仅存在，而且有具体的计算方法．运用泰勒表达式的分析方法，对由双三次样条函数产生的误差估计进行了探讨，得到了一些具体的余项估计的误差限．     

回归函数的混合型核估计的一致强收敛速度

设(X,Y)为取值于R~d×R~1的随机变量,(X_i,Y_i) i=1,2,…,n是取自(X,Y)的i·i·d·的样本,E|Y|<∞.用m(x)=E(Y|X=x)表示回归函数。m(x)的一种重要的核估计是Stone(1977)提出了一种把经典的最小二乘估计与非参数的权函数估计结合起来去估计m(x)的方法。在这篇文章里,讨论了把上述核估计与最小二乘估计结合起来所得的m(x)的混合型核估计的强一致收敛速度。     

渐近估计式(sum form n≤x) φ(n)=(3/π~2)x~2+O(xlogx)的推广

设φ(n)是 Euler函数 ,本文将渐近估计式 ∑n≤ xφ(n) =3π2 x2 +O(xlogx) (x >2 )进行了一系列推广 ,给出了∑n≤ xnαφ(n) ,∑n≤ x(-1 ) n- 1 nαφ(n) ,∑n≤ xp | nnαφ(n) ,∑n≤ xp | nnαφ(n)等和式的渐近估计式     

小波密度估计器的平均相合性

目的 设随机变量X服从的密度函数f(x) 未知, 利用小波基的优势给出f(x) 的估计。方法 利用紧支撑小波, 构造密度函数f(x) 的线性小波估计器f＾_n(x)。结果 在不假定密度函数具有任何光滑性的条件下, 证明了f＾_n(x) 的L^p(1＜p≤∞) 平均相合性。结论 表明小波估计器的优越性, 为进一步计算收敛阶提供理论基础。     

数论函数d(n)和σ(n)的部分和渐近估计式的推广

设 d(n)和σ(n)分别是除数函数和除数和函数 ,本文将渐近估计式 ∑n≤ xd(n) =xlogx +(2γ -1 ) x+O(x ) (x >2 )和渐近估计式 ∑n≤ xσ(n) =ζ(2 )2 x2 +O(xlogx) (x >2 )进行了一系列的推广 ,给出了∑n≤ xp | nd(n) ,∑n≤ xp | nd(n) ,∑n≤ x(-1 ) n- 1 d(n) ,∑n≤ xp | nσ(n) ,∑n≤ xp | nσ(n) ,∑n≤ x(-1 ) n- 1 σ(n)等和式的渐近估计式 .     

隐格式二次样条插值余项估计

1974年,Marsden提出了一类隐格式二次周期插值样条(¨,并得到误差估计的上界.但对隐式插值的余项还未得到误差的最佳系数,A·Hall(¨、李岳生c。)对三次、二.次样条插值误差的最佳系数分别进行了研究.本文提出了估计误差的另一种方法,【lp从估计一类泛函的界出发,得到优于Marsden的结果,并证明了其I{1 11f(x)一s(x)忆的估计系数是最佳的.设π为区间[0,1]上的一个分划,π:0=x_0相似文献   

污染分布密度函数的一种估计方法

讨论观察数据来自污染分布f(x)-(1-α)f1（x) αf2(x)时的非参数推断问题。当厂f2(x)已知，污染系数α和密度函数f1(x)未知时，采用非参数的核密度估计方法，给出f1(x)及α的估计。证明了^↑f1n(x)和^↑αn分别是f1(x)和α的相合估计，并对正态分布的特例作了随机模拟。     

常型Dirac算子的谱分解

借助于Green函数，利用留数方法讨论了Dirac特征值问题的基本问题，证明了向量函数f(x)分别在空间D和L2（a,b）上Dirac特征值问题按特征向量函数展开的定理，给出了定义域D上产生的Dirac算子的谱分解。     

Dedekind函数ψ（n）的误差项的性质

Dedekind函数是一个比较重要的算术函数。许多作者都证明了sum from n≤x φ(n)=(ζ(2)/2ζ(4))x~2+O(xlogx)。以E(X)记上式中误差项。本文首先改进了上式对误差项E(x)的估计,其次研究了E(x)的算术均值和积分均值,最后证明了E(X)的一个Ω-结果。     

离散Green函数估计的若干推广

由文[1]中的一维离散Green函数,给出了高阶Green函数的定义并获得若干估计．     

缺失数据下非参数回归估计

在缺失响应变量的不完全数据下,利用局部线性回归的方法,给出了回归函数m(x)的估计的加权估计,并证明了估计量具有渐近正态性、均方误差(MSE)和相合性.模拟研究解释了估计量的有限样本性质,并得出了此估计量优越于完整数据估计和加权估计.