共查询到20条相似文献,搜索用时 31 毫秒
1.
<正> 设(X,Y),(X_1,Y_1),…,(X_n,Y_n)是取值于R~d×R~1的独立同分布随机变量,E|Y|<∞.以m(x)=E(Y|X=x)记Y对X的回归函数,Q记X的概率分布测度,Z_n记{(X_i,Y_i),i=1,…,n},它是(X,Y)的已知观测值.一般的非参数回归估计问题,就是对指定的x∈R~d,利用Z_n对m(x)进行估计.设θ=θ(x,Z_n)是这样一个估 相似文献
2.
丁邦俊 《高校应用数学学报(A辑)》1998,13(2):159-166
设X1,X2……Xn为非负随机变量,相互独立具有共同的分布函数F(t),Y1,Y2……Yn是相应的干扰随机变量,非负,相互独立具有共同的分布G(t),并且Xi与Yi也相互独立,文章在仅能观察到Zi=min(Xi,Yi).δi=I(Xi≤Yi),i=1,2……,n和假设G已知的情况下.分别定义了F的均值和方差的估计量,并求出了估计量的近似分布. 相似文献
3.
X(m)和Y(k)服从参数(m,λ)和(k,μ)的Erlang分布且相互独立.证明了在X(m)相似文献
4.
截尾样本下回归函数改良核估计的强相合性 总被引:1,自引:0,他引:1
设(Xi,Yi),i=1,,n是从取值于\Rd×R1的随机向量(X,Y)中抽取的i.i.d.样本,E(|Y|)<∞,而以m(x)=E(Y|X=x)表示回归函数。在截尾情况下,观察到的不是诸Yi本身,而是Zi=min(Yi,Ti)及δi=I(YiTi),其中Ti是与(Xi,Yi)独立的随机变量,i=1,2,…,n.当T的分布未知时,在一定条件下,得到了回归函数改良估计的强合性. 相似文献
5.
三、统计线性模型的善本假定3-1.一元线性回归分析 统计线性模型是一个比一元线性回归模型要广泛得多的模型,理论上有不少重要的具有实际意义的结果.为便于理解与掌握统计线性模型,我们还是先从大家较为熟悉的一无线性回归模型谈起. 1°.基本假定 设N个随机变量Y1,Y2,…,YN具有如下结构:其中 x1,…,xN是N个已知常数, e1,…,eN是N个随机变量,它们相互独立,具有相同的分布N(0,σ2).而a,b以及σ2是未知参数. 2°.对基本假定的说明 (3-1)式也可改写为如下的形式: 设N个随机变量Y1,Y2,…,YN,它们相互独立,Yi-N(a+bxi,σ2),(i= 1,2,…,N).… 相似文献
6.
一个非退化的m维随机向量Y称为是k阶几何无穷可分的,是指对任何0<p<1,存在独立同分布的m维随机向量{Ypi,i≥1}使得Y=,其中Np为取正整数随机变量,服从参数为p和k的广义几何分布,且Np与{Ypi,i≥1)独立.本文给出了这类分布的刻划和应用. 相似文献
7.
定理 设数列{αn}是等差数列,sn=α1^m+α2^m+…+αn^m,m∈N^*,则存在λi∈R(i=2,3,…,m+1),有g(n)=λm+1αn^m+1+λmαn^m+…+λ3αn^3+λ2αn^2,使{sn-g(n)}为等差数列. 相似文献
8.
设(X,Y),(X_1,Y_1),(X_2,Y_2),…为 i.i.d.二维随机变量序列,具有联合分布F(x,y)及密度 f(x,y).X 的边际分布和密度分别记为 F_X(x)和 f_X(x).记 m(x)=E{Y|X=x)}为 Y 对 X 的回归函数.为估计 m(x),Nadaraya 和 watson 独立地引进了如下形式的核估计 相似文献
9.
关于棱柱的一个猜想的证明 总被引:1,自引:0,他引:1
文[1]给出了一个关于棱柱的猜想:
任意棱柱A1A2…An-2-A1′A2′…An-2′(n≥5)内一点P,P分该棱柱体积棱锥化定比为F(P)=(m1,m2,m3,…,mn),分过P且平行于底面的截面的面积三角形化定比为f(P)=(λ1,λ2,λ3,…,λn-2)则m1+m2=1/3,mi=2/3λi-2(i≥3,i∈N+). 相似文献
10.
设t0∈(0,1),Wni(t0)是关于实变量t1,t2,…,tn的权函数;随机变量序列Y1,Y2,…,Yn,iid.本研究了随机变量序列加权和∑(i=1,n)Wni(t0)Yi的相合性. 相似文献
11.
非参数回归函数的基于截尾数据的估计 总被引:4,自引:1,他引:3
本文考虑截尾数据情况下非参数回归函数m(x)=E(Y|x)的估计。具体地讲,我们面对的是这样的数学模型:T是与(X,Y)独立的随机变量,我们观测到的不是Y本身,而是Z=min(Y,T)及δ=[Y≤T]。今有训练样本{(X_i,Z_i,δ_i)}_(i-1)及当前样本(X,z,δ),记ξ_i(·)=[z_i≥·], N~ (·)=sum from i=1 to n ξ_i(·), V_n(·)=multiply from i=1 to n{1 N~ (z_i)/2 N~ (z_i)}~[δ_i=_i<0], U_n(·)=sum from i=1 to n Wnt(x)ξ_i(·), 令 m_n(x)=integral from 0 to u_n U_n(y)|V_n(y)dy, 其中u_n=F_2~(-1)(n~(-a)),0<α<1/2为一实常数,F_2(·)=P(Y≥·)为Y的(右侧)分布函数。在权函数{W_(ni)(x)}_(i=1)~n及(X,Y,T)的分布函数满足一组条件下,我们证明了m_n(x)为m(x)的强相合估计,即:m_n(x)→m(x),a.s.(n→ ∞). 相似文献
12.
研究了随机狄里克莱级数 f (s,ω) =∑∞n=1an Xne-λns在独立 (可不同分布 )随机变量序列{ Xn}满足(i) limn→∞E|Xn|>0 ,supn 1 E|Xn|p <∞ (p >1) ;(ii) limn→∞nλn=D <∞ ;(iii) limn→∞ln|an|λn=0等条件时的增长性和值分布 ,得到了比较好的结果 相似文献
13.
In this work, we are interested to obtain some result of existence and nonex- istence of positive weak solution for the following p-Laplacian system
{-△piui=λifi(u1,^…,um),inΩ, i=1,...,m, ui=0,
on δΩ,Vi=1,…,m,
where △piz = div(|△z|^pi-2△Z), Pi ≥ 1,λi,1 ≤ i ≤ m are a positive parameter, and Ω is a bounded domain in IR^N with smooth boundary δΩ. The proof of the main results is based to the method of sub-supersolutions. 相似文献
{-△piui=λifi(u1,^…,um),inΩ, i=1,...,m, ui=0,
on δΩ,Vi=1,…,m,
where △piz = div(|△z|^pi-2△Z), Pi ≥ 1,λi,1 ≤ i ≤ m are a positive parameter, and Ω is a bounded domain in IR^N with smooth boundary δΩ. The proof of the main results is based to the method of sub-supersolutions. 相似文献
14.
<正> 设x_1,…,x_m,y_1,…,y_n为m+n个独立随机变量,x_i有连续分布函数F,y_i有连续分布函数G.要依据这些观测值x_i,i=1,…,m,y_i,j=1,…,n来检验假设(注意F和G都是未知的) H_o:存在常数A和B,B>0,致 相似文献
15.
16.
设(X,Y)是一随机向量且变量Y的均值存在.假定Y被另一分布G的随机变量t删失,仅能观察到不完全数据(xi,Yi^ti,δi),i=1,2,…n,其中Yi^ti=min(Yi,Ti),δi=I(Yi≤ti)。为了给出回归函数m(x)=E(Y|X)的估计。文中使用了Stute提出的最近邻型回归估计,并给出了该估计的强相合性结果. 相似文献
17.
设(X,Y),(X1,Y1),…,(XnYn)为取值于 Rd× R的 i.i.d.随机变量,E(|Y|) <∞.设mn(x)为回归函数m(x)=E(|Y|X=x)基于分割的估计,本文在对mn(x)进行改良的条件下得到改良的基于分割的强相合估计. 相似文献
18.
设Z,N分别是全体整数和正整数的集合,Mm(Z)表示Z上m阶方阵的集合.本文运用Fermat大定理的结果证明了:对于取定的次数n∈N,n≥3,二阶矩阵方程Xn+Yn=λnI(λ∈Z,λ≠0,X,Y∈M2(Z),且X有一个特征值为有理数)只有平凡解;利用本原素因子的结果得到二阶矩阵方程Xn+Yn=(±1)nI(n∈N,n≥3,X,Y∈M2(Z))有非平凡解当且仅当n=4或gcd(n,6)=1且给出了全部非平凡解;通过构造整数矩阵的方法,证明了下面的矩阵方程有无穷多组非平凡解:■n∈N,Xn+Yn=λnI(λ∈Z,λ≠0,X,Y∈Mn(Z));X3+Y3=λ3I(λ∈Z,λ≠0,m∈N,m≥2,X,Y∈Mm(Z)). 相似文献
19.
重尾平稳序列的大偏差 总被引:3,自引:0,他引:3
本文给出了一类重尾的随机变量序列{Xn,n≥1}的部分和Sn=∑i=1 n Xi与随机和S(t)=∑i=1^N(t) Xi的大偏差结果其中{N(t),t≥)}是一族非负整值的随机变量,{Xn,n≥1}是非负的平稳过程,并且与{N(t),t≥0}独立。本文将独立同分布情形的结果掖到了平稳相依的情形。 相似文献
20.
限制同时Chebyshev逼近 总被引:2,自引:0,他引:2
设T是紧Hausdorff空间,C(T)表示定义在T上的实值连续函数全体.对f∈C(T),定义 ||f||=max|f(t)|,则C(T)是Banach空间。再设λ_i>0(i=1,2,…,m),sum from i=1 to m(λ_i)=1,(1≤m≤+∞,1≤p<+∞),令 相似文献