共查询到20条相似文献,搜索用时 421 毫秒
1.
设总体有分布F,密度f,而X_1,…X_n,…为抽自该总体的独立随机样本,为估计f,Loftsgarden和Quesenberry(AMS,1965,p.1049)提出了如下的方法:选自然数K_n≤n,找最小的α_n(x),使[x-α_n(x),x α_n(x))这个区间包含样本X_1,…,X_n中的至少 相似文献
2.
设是函数f(x)∈L_(2x)的Fourier级数,s_n(f,x)与σ_n(f,x)分别为其第n部分和与第nFejér和。我们记为扩在空L~1中的范数,又记E_n(f)_L为在L~1范数下n阶三角多项式对函数f的最佳逼近,即 相似文献
3.
4.
我们知道,H~p(R~n×R_ )的定义如下(见文献[1]):H~P(R~n×R_ )={f(x,y);f(x,y)是R~n×R_ 中调和函数,(?)这里R~n×R_ ={(x,y);x∈R~n,y>0},1
相似文献
5.
设f(x)是[a,b]上的实函数,∧={λ_n}是一不减的正数列,且使sum from n=1 to ∞(1/λ_n)=∞。如果存在M,使得对于[a,b]中一切不相重叠的子区 相似文献
6.
设f 是R~1的区间I=[a,b]上的实值函数,若I_n=[a_n,b_n](?)I,则置|f(I_n)|~p=|f(b_n)-f(a_n)|~p.假定区间I_n(n=1,2,…)是不相重叠的,若A={λ_n)是一非减的正实数序列,满足sum from n=1 to ∞1/λ_n=∞,并假定对于{I_n}的每一种选择,级数sum from n=1 to ∞|f(I_n)|p/λ_n 都收敛,则称f 具有p(≥1)次A 有界变差(ABV~(p)).这些和的上 相似文献
7.
8.
考虑与半空间R_ ~(n 1)={(x,t);x∈R~n,t>0)关联的Puisson积分:P_1*f=∫_(R~n)P_t(x-ξ)f(ξ)dξ(t>0),这里Poisson核(?),c_n=1/ω_n,ω_n是R~(n 1)中单位球面面积,|x|~2=X_1~2 相似文献
9.
设D={x∈R~n;λ(x)<0}是一具有光滑边界的有界区域,λ∈C~∞(R~n)是D的一个定义函数,(?)λ在(?)D={x∈R~n;λ(x)=0}的某个邻域内处处不为零.对r>0,我们以dσ_r和dσ分别记(?)D_r={x∈R~n; λ(x)=-r}和(?)D上的n-1维Hausdorff测度,而以dm记R~n中的Lebesgue测度D上复值调和函数的全体记h(D)对f∈h(D)及非负整数m,置grad_mf为f的m阶梯度,其模为此处α=(α_1,α_2,…α_n)为n重指标,|α|=α_1+α_2+…+α_n,grad(?)=f.对0
相似文献
10.
在过去的工作中,我证明了下列定理:定理1 设f(x),γ(t)及δ(x)为三函数满足下列条件:f(x)于x≥x_0为非减并且f(x)≥T_0.γ(t)于t≥T_0为正、连续并且非增;∫_T0~∞γ(t)dt收敛.δ(x)于x≥x_0为正、连续并且非增;∫_x0~∞δ(x)dx发散. 相似文献
11.
设f(x)是定义在[a,b]上的实函数,{I_n}是任一列互不重叠的区间:I_n=[a_n,b_n](?)[a,b],写f(I_n)=f(b_n)-f(a_n),用∧表示非降的正数列:∧={λ_n},且级数(?)发散,如果(?),则称f是[a,b]上的∧有界变差函数,记为f∈∧BV。令{p_n}是非负数列,(?),给定级 相似文献
12.
用L(Q)表示在Q={(x,y)|-π≤x,y<π}上可和,且对每个变元都以2π为周期的函数类。L(Q)中函数f(x,y)的二重Fourier部分和记为S_(f,k)(f;x,y)(j,k=0,1,2,…)。对于序列{S_(k,k_(f;x,y)}(?)=0的线性求和问题是 Marcinkiewicz 1939 相似文献
13.
在单参数双边截断族中点估计的超渐近有效性与渐近有效性 总被引:1,自引:0,他引:1
考虑单参数双边截断型分布族dP_θ(x)=f(x;θ)I(θ≤x≤φ(θ))dx,θ∈R,(1)其中φ(θ)是一连续可微函数,满足条件:0<φ(θ),s(θ)(?)φ(θ)>0,而 f(x;θ)为[θ,φ(θ)]上的正连续密度.分布族(1)具有一些奇特的统计特性,如Chen等人发现,不论抽取多少 相似文献
14.
15.
假定核酸分子的随机断裂是按长度与时间的二维积空间中的Poisson过程而独立发生的,并且所研究的长链分子的长度L具有累积分布F(x)以及相应的密度f(x)=F′(x),则随机选定一个片段就具有密度g(x)=exp(-λx)(f(x)+λ(1-F(x)))。 相似文献
16.
1.问题的提出 在区域■(=■~ U■~-)中考虑混合型方程 Lw≡k(x,y)w_(xx) w_(yy) α(x,y)w_x β(x,y)w_y γ(x,y)w=f(x,y),(1)其中函数k(x,y)满足条件:yk>0当y≠0,k(x,0)=0,k∈C~1((?)),α,β,γ∈C((?)),f∈L_2((?))。(?)~ 的外边界是一条逐段光滑曲线Γ_0,两端和蜕型线上A,B点相连接,(?)~-的 相似文献
17.
1.设p_1(x),p_1(x),…,p_r(x)∈C[0,1],r≥2.p_0(x)≠0,,P(D)=p_0(x)D … p_(r-1)(x)D p_r(x)1是一r阶线性微分式,其中1表示恒等算子。W~r表示[0,1]区间上的函数类,其中任一f(x)的r—1阶导数f~((r-1))(x)在[0,1]上绝对连续者。记(?)={f(x)∈W~r:||P(D)f(·)||L_p≤1}, 相似文献
18.
一个数值微分公式的余项 总被引:4,自引:0,他引:4
微分插值公式f(x)=H_n(x)+R_n(x) (1)导出数值微分公式f(k)(x)=H_n~(k)(x)+R_n~(k)(x) (o≤k≤n),(2)这里H_n(x)为函数f(x)的n次插值多项式。设其节点为a_0,a_1,…a_n,则(1)式的余项可 相似文献
19.
最近邻密度估计的一致收敛速度 总被引:1,自引:0,他引:1
一、引言和主要结果设X_1,…,X_n取自具有分布F和密度f的总体。为估计f,Loftsgarden和Quesenberry提出了最近邻方法。即指定自然数k=k_n≤n,对固定的x,找最小的a_n(x),使区间[x— 相似文献
20.
定理1 设F(P_n,δ)为区间[a,b]的映生函数p_n(x)的自然范,F(q_n,δ)为概率函数q_n(x)=f(demp_n)的(这里f是取样函数)自然范,P_n,q_n是对合的,p_n,q_n在自旋下变为h_n,g_n,则h_n,g_n的本合阵的范数为[1!2!…n!)~2。 系1 设,(p_n,δ)为区间[a,b]的映生函数p_n(x)的自然范,F(q_n,δ)为概率函数q_n(x)=f(demp_n.)的(这里f是取样函数)自然范,p_n,q_n是对合的,则p_n,q_n在 相似文献