共查询到19条相似文献,搜索用时 140 毫秒
1.
对条件期望与无条件期望混淆不分,是计算二维随机变量函数数学期望时常犯的典型错误之一,结合实例分析,指出合理利用随机变量函数数学期望的定义或全概率公式,可避免此类错误的产生. 相似文献
2.
3.
4.
5.
7.
在实际应用中,可以利用随机变量的联合分布、条件分布及边缘分布推导出全概率公式,其基本思想是将一个边缘密度分解成条件密度,使所要解决的问题简化.通过具体实例,分析条件概率和全概率公式在保险中的广泛应用. 相似文献
8.
9.
10.
常用的有限差分法、有限元方法和有限体积法等在数值求解偏微分方程时已经非常成功,但在处理各向异性问题时数值格式的保正性还存在一些问题.基于Feynman-Kac公式,可以将抛物方程的解表示为一个条件数学期望,涉及的随机扩散过程对应于抛物方程中的扩散项.不同于常用的紧致Markov链近似,本文用有限个连续分支路径逼近原来的随机过程,在满足相容性精度的条件下计算每个分支的停时(stopping time)、停时发生的概率和停时收益,从而可以逼近条件期望.这样基于数学期望的保正性,对任意的线性抛物型方程设计了一个全新的保正性的线性相容的数值格式,这是一个大时间步长、非紧致的、稳定的显式格式.由于有底层系统的理论支撑,本文的算法能够自适应地区分及处理边界的信息,避免现有算法(如半Lagrange方法)在边界附近精度缺失的问题. 相似文献
11.
离散型区间概率随机变量和模糊概率随机变量的数学期望 总被引:5,自引:0,他引:5
研究离散型区间概率随机变量和离散型第二类模糊概率随机变量数学期望的性质及求解方法.利用模糊分解定理,把求模糊概率随机变量的数学期望问题化为求一系列区间概率随机变量的数学期望.求区间概率随机变量的数学期望是一个典型的线性规划问题,用单纯形方法推导了求区间概率随机变量数学期望的一个很实用的计算公式.算例表明,用该计算公式得到的结果和用数学规划方法得到的结果完全吻合,但计算过程相对简单. 相似文献
13.
给出了负超几何分布的概率模型,通过将负超几何分布随机变量进行和式分解,比较简捷地计算了它的期望和方差,并指出文献[4]计算的期望和方差是错误的. 相似文献
14.
15.
In this note we discuss uniform integrability of random variables. In a probability space, we introduce two new notions on uniform integrability of random variables, and prove that they are equivalent to the classic one. In a sublinear expectation space, we give de La Vall\'{e}e Poussin criterion for the uniform integrability of random variables and do some other discussions. 相似文献
16.
讨论随机变最在给定子σ代数下条件期望的定义,利用投影定理这一数学工具给出条件期望的几何定义,并通过对它与现今各种概率论基础或随机过程教材中常见的公理化定义相互等价性的证明,揭示了条件期望这一概念的内涵. 相似文献
17.
18.
19.
Cheng HU 《数学年刊B辑(英文版)》2018,39(5):791-804
This paper deals with strong laws of large numbers for sublinear expectation under controlled 1st moment condition. For a sequence of independent random variables, the author obtains a strong law of large numbers under conditions that there is a control random variable whose 1st moment for sublinear expectation is finite. By discussing the relation between sublinear expectation and Choquet expectation, for a sequence of i.i.d random variables, the author illustrates that only the finiteness of uniform 1st moment for sublinear expectation cannot ensure the validity of the strong law of large numbers which in turn reveals that our result does make sense. 相似文献