最小二乘三角回归估计

瓦尔德马尔·波潘斯基。“最小二乘三角回归估计。”应用程序数学26.2 (1999): 121-131. <网址：http://eudml.org/doc/219229>.

@第{波皮恩斯基1999，
abstract={对于观测模型$y_i=f（x_\{in\}）+η_i$，i=1，…，利用三角函数$e_k$，k=0,1,2，…的完全正交系进行非参数函数拟合的问题，。。。，n、 考虑，其中$η_i$是均值为零且方差有限的不相关随机变量，观测点$x{in}∈[0,2π]$，i=1，。。。，n、 是等距的。均方预测误差$（1/n）和i=1（n）E（f（x_\{in\}）-\widehat（f（x）_\{n（n））^2$、积分均方误差$E‖f-\wideha t（f估计量$\widehat的2$_k e_k（x）$对于f∈C[0,2π]和$\widehat\{C\}_0，\widehat\{C\}_1，。。。，\研究了用最小二乘法得到的宽hat（c）N（N）$，
author={波潘斯基，瓦尔德马尔}，
journal={Applications Mathematicae}，
关键词={一致估计量；最小二乘法；傅里叶系数；三角多项式；回归函数；三角多项式，最小二乘法；一致估计}，
language＝{eng}，
数字={2}，
页数={121-131}，
title={最小二乘三角回归估计}，
url={http://eudml.org/doc/219229},
体积={26}，
年份={1999}，
}

TY-JOUR公司
澳大利亚瓦尔德马尔·波皮因斯基
TI-最小二乘三角回归估计
JO-应用数学
1999年上半年
VL-26
IS-2
第121页
EP-131
AB-使用三角函数$e_k$的完全正交系进行非参数函数拟合的问题，k=0,1,2，。。。，对于观测模型$y_i=f（x_{in}）+η_i$，i=1，。。。，n、 考虑，其中$η_i$是均值为零且方差有限的不相关随机变量，观测点$x{in}∈[0,2π]$，i=1，。。。，n、 是等距的。均方预测误差$（1/n）\sum_{i=1}^nE（f（x_{in}）-\widehat收敛的条件{f}_{N（N）}（x_{in}））^2$，综合均方误差$E‖f-\widehat{f}_估计量的{N（N）}‖^2$和逐点均方误差$E（f（x）-{N（N}（x））^2${f}_{N（N）}（x）=\sum_{k=0}^{N（N）}\widehat{c} k（_k）f∈C[0,2π]和$\widehat的e_k（x）${c} _0（0），\widehat{c} _1个,...,\宽海特{c}_研究了用最小二乘法得到的{N（N）}$。
洛杉矶-eng
KW——一致估计量；最小二乘法；傅立叶系数；三角多项式；回归函数；三角多项式；最小二乘法；一致性估计
UR-（欧元）网址：http://eudml.org/doc/219229
急诊室-