共查询到20条相似文献,搜索用时 859 毫秒
1.
2.
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
3.
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
4.
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
5.
6.
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
7.
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
8.
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
9.
10.
11.
设X_n={x_(kn):1≤k≤n}(?)[-1,1]满足:-1相似文献
12.
对任意实数a_1,…,a_n,n=1,2,…设 a_n~*=max|a_i|. i≤n {x,x_n:n=1,2,…}为定义于同一完备概率空间(Ω,(P),取值于R的r.v.列。 S_o=O。S_n=sum from i=1 to n X_i, T_n=sum from 1≤i≤j≤n X_iX_j,n=1,2,…周元燊于1991年提出定理A 设{X,X_n:n=1,2,…} 相似文献
13.
设(X,Y)是m×n 二部分竞赛图T_(m,n)的顶点集合V(T_(m,n))的有序分划,其中X=(x_1,x_2,…,x_m},Y={y_1,y_2,…,y_n},x_i、y_j 在T_(m,n)中的得分分别为a_i、b_j,l≤i≤m,l≤j≤(?),且a_1≤a_2≤…≤a_m,b_1≤b_2≤…≤b_n.记A=(a_1,a_2,…,a_m),B=(b_1,b_2,…,b_n),则T_(m,n) 相似文献
14.
(?)≡(x_1,x_2,…)是已知的p维向量序列,e≡(e_1,e_2,…)是随机误差列,β≡(β_1,…,β_i)′是未知的回归系数向量.记S_n=x_1x_1~′…+x_nx_n~′.设当n≥n_0时,S_1~(-1)存在.把p×n矩阵S_n~(-1)(x_1…x_n)的(j,i)元记为u_(nji),则β的最小二乘(LS)估计为 相似文献
15.
考虑多元回归模型此处x_(ij)是已知常数,β_1,…,β_p是未知参数,y_i,e_i分别为第i次量测值和量测随机误差。以下,我们记设计矩阵(x_(ij))_(1≤i≤n,1≤j≤p)为X_n,并令Y_n=(y_1,…,y_n)′),β=(β_1,…β_p)′。β的基于前n次量测值Y_n及设计矩阵X_n的最小二乘估计b_n=(b_(n1),…,b_(np))′为 相似文献
16.
1.引言 命K为一个n次代数数域。命K~(1),…,K~(n)表示K的n个共轭域,K~(i)(1≤i≤r_1)为实域而K~(i),K~(i r_2)(r_1 1≤i≤r_2 r_2)为共轭覆域,此处r_1 2r_2=n。对于r∈K,我们用r~(i)(1≤i≤n)表示r的共轭数。命r_i(1≤i≤n)为K的数及x_i(1≤ 相似文献
17.
广义U过程的Bootstrap逼近 总被引:1,自引:0,他引:1
Nolan和Pollardl得到了U过程的中心极限定理,本文使用Efron的Bootstrap方法,得到了广义U过程的Bootstrap逼近.假设{X_(i,j):1≤j≤n_i,1≤i≤K}是概率空间(Ω,(?),p)上的d维独立随机向量序列,满足:X_(il,… ,x_(in)_i.i.d.~P_i,假定P(in)_i是X_(il),X(in)_i对应的经验概率测度,1≤i≤k.取整数m_i≥1和l_i, 相似文献
18.
设x_1,x_2,…为一串独立同分布(iid)变量,而φ(x_1,…,x_m)为x_1,…,x_m的对称函数,则U_n=(n/m)~(-1) sum from to 1≤α_1<…<α_m≤nφ(x_(α_1),…,x_(α_m),n≥m称为以φ为核的U-统计量。设对某个r≥1有E[|φ(x_1,…,x_m)|~r]<∞.(1)迄今为止,文献中对U-统计量的研究,多限于r=1和r=2的情况,最近我们研究了一般的r≥1的情况,主要结果如下: 相似文献
19.
A.M.Russell定义并研究了RS_K积分.本文将研究各类RS_K积分与普通RS积分的关系,指出在所有RS_K 积分存在条件下,都可把它化成RS 积分.定义设f、g 是定义在[a′,b′]上的实函数,分法Γ(x_(K+1),…,x_(n+K-1)):a′≤x_(K+1)<…0,(?)δ(ε)>0,当‖Γ‖=max (x_i-x_(i-1))<δ(ε),ζ_i∈[x_i,x_(i+K)] 相似文献
20.
本文用矩阵谱半径这个重要数据建立一类泛函B_i(i=1,2,…,n)的乘积空间,x=col(x_1,x_2,…x_n)方程逐步逼近法的两个控制收敛性定理。∈B,意指x_i∈B_i(i=1,2,…n)可仿n维欧氏空间 设B(?)B_1×B_2…×B_n为n个Banach空间的三种赋范方式对B赋范。 相似文献