共查询到20条相似文献,搜索用时 31 毫秒
1.
考虑线性模型Y_1=x_i~′β e_i,i=1,2,…,其中i=1,2,…为已知的试验点列,β=(β_1,…,β_r)′为未知参数,ei,i=1,2,…为随机误差序列。由前n次试验结果算出β的最小二乘估计: 相似文献
2.
Ramachandra证明了在区间(x,x+x~(1/2)]中必存在n,使n的最大素因子p(n)≥n~β,β=15/26及β=5/8,Graham证明了β=0.660…时,必存在n,使p(n)≥n~β,Jutila 相似文献
3.
Weibull分布的形状参数估计 总被引:2,自引:0,他引:2
设X_1,X_2,…,X_n是i.i.d.,其共同分布是Weibull分布W(x)=1-exp(-λχ~β),其中λ>0是刻度参数,β>0是形状参数。如何估计形状参数在寿命分析中有重要地位,极大似然估计是众所周知的,方开泰给出了利用矩性质的估计。本文利用指数分布的矩性质给出了估计形状参数的新方法。令Y=X~β,则Y服从参数为λ的指数分布。众所周知,EY~2/(EY)~2=EX~(2β)/(EX~β)~2=2,在该式中用样本矩代替总体矩 (Sum from i=1 to n(X_i~(2β)))/(Sum from i=1 to n(X_i~β))~2=2/n,(1) 若(?)_n是方程(1)的解,它可作为β的估计。这一思想可推广到一般情况。令g=g(x_1,x_2,…,x_k)是变量x_1,x_2,…,x_k的函数,且满足 相似文献
4.
本文研究动力学几何的一般理论,使用的几何量为共动坐标O~α、联络1形式ω_β~α和度规系数g_(υν).对应场强为挠率2形式(?)~α:=DO~α ω_β~α∧O~β、曲率2形Ω_β~α:=dω_β~α ω_Γ~α(?)_β~Γ及非度规性1形式G_(υν):=Dg_(υν)=dg_(υν)-ω_υ~αg_(αυ)-ω_ν~αg_(υα).引入协变的正则动量后,可得一阶拉格朗日量4形式: 相似文献
5.
考虑线性回归模型Y_j=X_j~′β+e_j,j=1,2,…,n,…,(1)其中{X_j}为已知的p维向量列,β为未知回归系数向量,{e_j}为一列独立试验误差,满足条件Ee_j=0,Vare_j=σ~2,0<σ~2<∞,j=1,2,…。(2) 误差方差是一个重要的待估参量。若记 相似文献
6.
考虑通常的线性模型y_i=x_i′β+e_i,i=1,2,…,n,…,(1)此处{x_i}是试验点列,是一串已知的p维向量,β为未知的p维回归系数向量,{e_i}为随机误差序列,满足条件 相似文献
7.
本文对实验数据在微机上进行处理,拟合该体系动力学方程,结果相对误差均低于0.5%。 对一般线性模型y=xβ,利用最佳平方逼近原则容易得出参数β的求解表达式 β=u~(-1)x′y,其中u=x′x.我们在三参数模型的基础上进一步拟合该体系数学模型 相似文献
8.
设有线性模型Y_i=x_i′β+e_i,i=1,2,…,其中试验点列{x_i}是一列已知的p维向量,{Y_i}是试验结果数列,β是未知的p维向量,{e_i}是随机误差序列,满足平稳、强混合条件 相似文献
9.
10.
考虑线性回归模型Y和e都是n维随机矢量,且Ee=0,Eee~τ=σ~2I;X是(n×p)阶系数矩阵,β是p维参数矢量。依据Y对β所做的最小二乘估计为 相似文献
11.
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
12.
W.K.Hayman 《科学通报》1980,25(9):385-385
1.设函数f(z)在角域S=S(α,β)={z|α≤2rgz≤β,|z|>0}内全纯,并且对于某正数λ,f(z~λ)在z=0处是全纯的。又设S′=S(α′,β′) (α<α′<β′<β)。记n(r,a,S)为角域S(r)={z|z∈S,|z|相似文献
13.
一阶非线性椭圆组的非线性Haseman边值问题 总被引:1,自引:0,他引:1
设D~ 为平面上有界N 1连通域,其边界Γ是N 1条约当闭曲线,Γ∈C_β~1(0<β<1),不妨设z=0∈D~ ,z=1∈Γ。记D~-=E\(?),E为全平面。又E_R为|z|≤R(R是足够大的正数),且记 相似文献
14.
t_0表示起报时刻,x为某物理量,λ为物理参数,(1)式右端为t_0时刻的空间项。统计离散化(1)式得x(t_0 1)=β_ox(t_0) θ_0F(x,λ,t_0) η_0,(2)当β_0=1,θ_0=△t,η_0=0时复回(1)式,β_0、θ_0为系数,η_0为随机噪声。同理有 相似文献
15.
设给定了线性回归模型Y_i=x_i~'β+e_i,i=1,…,n,…,而当n充分大时,线性函数c′(n)可估,其Gauss-Markov估计(GME)记为c′(n),其中(n)为基于Y_1…,Y_m的,β的任一最小二乘估 相似文献
16.
广义Bernoulli核的宽度和线性插值算子 总被引:1,自引:1,他引:0
§1.引言 给定r次实系数多项式:■这里k≥0;α_s、β_s、λ_j为实数,β_s>0。设。为便于讨论,我们规定p_r(λ)=0除λ=0是可能的零点外,其它mi(m=±1,±2……)均非 相似文献
17.
命f(x)=f(x_1, …,x_s)为G_s上对每一变数都有周期1的函数。命α=(α_1,…,α_s)为一个有非负支量的矢量。当α_k=0时,置ρ_k=β_k=0,当α_k>0时,则置α_k=ρ_k+β_k,此处ρ_k为非负整数,0≤β_k<1。定义δ_h~kf(x)=(2i)~(-1)[f(x_1,…,x_k+h,…,x_s)-f(x_1,…,x_k-h,…,x_s)]。假定导数 相似文献
18.
考虑非线性偏微分方程F=u_(xt)+αu_x+βu_t+γu_xu_t=0,(1)其中α,β,γ均为常数,γ≠0,不失一般性可取γ=1。对于Thompson方程(1),Chowdhury和Paul最近导出了它的Lie-Dacklund对称性,传递(hereditary)算子及Lax对,表明方程(1)可用IST方法求解。而能用IST方法求解的非线性偏微分方程与具有Painlevé性质 相似文献
19.
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