共查询到20条相似文献,搜索用时 78 毫秒
1.
回归函数之改良近邻估计的强相合性 总被引:1,自引:0,他引:1
设(X,Y),(X_1,Y_1),…,(X_n,Y_n)为一串iid.d×1维随机向量,E|y|<∞。为估计m(x)=E(Y|X=x),对固定的x∈R~d,将(X_1,Y_1),…,(X_n,Y_n)按照 相似文献
2.
令(X,Y),(X_1,Y_1),…,(X_n,Y_n)为取值R~d×R的i.i.d随机向量,对某个p>2,E(|Y|~p)<∞。我们用x及(X_1,Y_1),…(X_n,Y_n)的函数m_n(x)来估计回归函数m(x)=E(Y|X=x)。m(x)的一类非参数核估计定义为 相似文献
3.
4.
回归函数递归核估计相合的充要条件 总被引:1,自引:0,他引:1
设(X_1,Y_1),(X_2,Y_2),……为(X,Y)的样本,(X,Y)在R~d×R中取值,μ为X的概率分布,m(x)=E(Y|X=x)的核估计,递归核估计分别为 相似文献
5.
用e(X)与其他基数函数估计|X|的著名不等式有。(1)(Ginsburg 和Woods)X∈■_1,|X|≤2~(e(X)·△(X)),其中,△(X)=min{k|对X×X 的对角线△,有△=(?)U_α,U_α开,(?)α相似文献
6.
设0≤α<1,0<β≤1,S~*(α,β)={f(z);f(z)在|z|<1内正则,f(0)=f'(0)-1=0且O. P. Juneja和M. L. Mogra (Rev. Roum. Math.Pures Appl., 13(1978))给出了S~*(α,β)中函数的积分表达式、模的估计和凸性半径以及一些系数的精确界限。 本文首先建立了如下从属关系。 相似文献
7.
对于Sakaguchi引进的函数类S_s(0)中的函数,f(z)在△中如何估计表单位圆盘{|z|<1})? 记。Ruscheweyh得到了如下结果: 引理A f(z)∈R(1)(R(α)表α级 相似文献
8.
设(X_i,Y_i),i=1,2,…是从(X,Y)的分布中抽取的(d 1)维随机向量。回归函数m(x)=E(Y|X=x)(如果它存在)的核估计是 相似文献
9.
关于L_p空间中混合阶广义导数的存在性及其估计的问题,首先由用最佳逼近的方法研究。丁夏畦,也研究了二阶混合广义导数的存在性,得到进一步的结果.然而均未得到在一般情形下的精确估计。本文应用Calder(?)n-Zygmund高维奇异积分的收敛性定理和Poisson积分得出在E_n中有界域G上之任意阶混合广义导数在Orlicz空间中的存在性及估计。特別地,当N函数M(u)取为|u|~pp~(-1)时,便是L_p空间中混合阶广义导数的存在性及估计。本文的证明见文献[7]。 相似文献
10.
设函数f(z)=z+c_0+(c_1)/z+…在单位圆外(|z|>1)是半纯的,单叶的,且适合条件Re(zf′(z)/f(z))>0,|z|>1。这种函数的全体形成一族,记为Σ。对于f(z)(?),Birnba-um和Goodmam曾估计过的上界,但不准确。Royster得到一个定性的结果,指 相似文献
11.
设S_f在D内为正则(本文以下都采用这个条件)。London研究了由|S_f|的积分估计来断定f(z)的单叶性的问题。Yamashita考虑非欧距离σ(w,z)=tanh~,z,w∈D,以及非欧圆 相似文献
12.
1.引言 设f(ζ)是单位圆U={ζ|:|ζ|<1}上的正则的单叶函数,f(0)=0,当|ζ_i|<1,i-1,2时f(ζ_1)·f(ζ_2)≠1,记这种函数的全体为B_1,称为Bieberbach函数族。设f(ζ)是单位圆U上的正则的单叶函数,f(0)=0,当|ζ_i|<1,i=1,2时, 相似文献
13.
设W=f(z)是|z|<1到|W|<1的Q拟似共形映照,且f(0)=1,f(1)=1。记其全体映照为U_Q,对于f(z)∈U_Q有著名的森(Mori)不等式 相似文献
14.
设f(z)为D:|z|<1上的亚纯函数。记f(z)的球面导数为f(z)=|f(z)|/(1 |f(z)|~2)。又记f_ζ(z)=f((?))(|ξ|<1)。(1)若 相似文献
15.
设T:D→D’为线性连续算子,其分布核K(x,y)限制在R~n×R~n\{x=y}上满足大小条件|K(x,y)|≤A|x-y|~(-n),(1)以及光滑性条件|K(x,y)-K(x’,y)| |K(y,x)-K(y,x’)|≤B|x-x’|r|x-y|~(-n-r),当|x—x’|≤|x-y|/2,(2)其中0相似文献
16.
设01/r上是正则、单叶的,在r<|z|<1/r上是K拟共形映照,在z=∞的邻城内,f(z)=z 0(|z|)。这种函数族首先是由K(?)hnau研究的。本文在他的工作的 相似文献
17.
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
18.
记S_k{f(z)=z sum from n=1 to ∞ (a_(kn 1)~((k))z~(kn 1))在|z|<1内正则单叶},S_k~*={f_k(z)∈S_k:|z|<1在f_k(z)映照下的象关于原点成星形},对f_k(z)∈S_k(或S_k~*),令S_(k,n)(z)=z sum from v=1 to n (a_(kv-1)~((k))z~(kv 1))。本文的目的在于改进和加强龚升、陈希孺的结果为以下定理: 定理1 对于k=3,4,5,当f_k(z)∈S_k时, 相似文献
19.
非线性Schrdinger方程 i_(qt) q_(xx) 2|q|~2q=0的一个简单周期解q=e~(i(t-x)),在Ma和Ablowitz的文章中已给出。其实,若|f|=1,q=fe~(i(t-x))也是方程(1)的解。其他类型的可用初等函数表示的周期解,我们尚未见到。 相似文献