K型区间删失数据下参数的置信限

基于K型区间删失数据,利用样本空间排序法给出参数优良的置信下限和计算置信下限的递推公式.     

概率解题中样本空间的选择

无论是古典概型中随机事件概率的计算,还是随机变量分布的确定,选择好适当的样本空间都是解题的关键.借助“草绳结环”和“圆周上均匀分布的期望和方差”两个经典的概率问题,说明巧妙地选取样本空间有利于概率问题的顺利解决.     

试谈条件概率的教学

条件概率是概率论的最重要的概念之一.然而执教过这部分内容的教师,都有这样的感受:"条件概率"这一概念比较抽象,学生理解比较困难,遇到实际问题一做就错.如何突破这一难点?下面结合笔者的教学实践,谈谈对条件概率教学的一些建议.1结合条件概率的正例,让学生充分领略概念内     

通过随机变量刻画随机现象加深理解随机思想北大核心

在必修课程中,通过引入样本点和样本空间的概念,完成了对随机事件的数学刻画;类比集合关系和运算,给出了事件的关系与运算的意义;在定义古典概型的基础上,结合古典概型研究了概率的性质、随机事件概率的运算法则;结合有限样本空间,给出了两个事件独立性的含义,并结合古典概型,利用独立性计算概率;在研究频率与概率关系的基础上,给出了用频率估计概率的方法,为求解随机事件的概率提供了多种工具和方法.     

恰当选取样本空间，简化古典概率计算

用概率的古典定义计算概率时 ,首先要确定随机试验是什么 ,从而确定出样本空间 .若样本空间中的各基本事件在试验中的出现是等可能的 ,则可由古典概率公式求各随机事件的概率 .但同一问题随试验的内容不同可选取不同的样本空间 ,只要满足样本空间中的基本事件只有有限个 ,且它们的出现是等可能的 ,就可用古典概率公式计算 ,且计算出的结果必定相同 .因此试验的样本空间选得好 ,问题解决起来就会简便一点 .下面举例说明 .在下面的例子中均以 N表示基本事件总数 ,M表示所求事件包含的基本事件数 .例 1　袋内有 a个白球与 b个黑球 ,每次从袋中…     

Implicit Sampling, with Application to Data Assimilation

There are many computational tasks, in which it is necessary to sample a given probability density function (or pdf for short), i.e., to use a computer to construct a sequence of independent random vectors x i (i = 1, 2, ··· ), whose histogram converges to the given pdf. This can be difficult because the sample space can be huge, and more importantly, because the portion of the space, where the density is significant, can be very small, so that one may miss it by an ill-designed sampling scheme. Indeed, Markovchain Monte Carlo, the most widely used sampling scheme, can be thought of as a search algorithm, where one starts at an arbitrary point and one advances step-by-step towards the high probability region of the space. This can be expensive, in particular because one is typically interested in independent samples, while the chain has a memory. The authors present an alternative, in which samples are found by solving an algebraic equation with a random right-hand side rather than by following a chain; each sample is independent of the previous samples. The construction in the context of numerical integration is explained, and then it is applied to data assimilation.     

一个不等式的加强及应用

题目袋中放有大小相同的m个黑球和n个白球.现逐个从袋中取球,若每次取出球后再放回,显然每次取得黑球的概率均为mm＋n;若每次取出的球不再放回,则第k次取得黑球的概率是多少（1≤k≤m＋n）？思路1这是一个典型的古典概型问题：前k次逐个取球,相当于从m＋n个球中任取k个球作一排列,样本空间中的基本事件共有Akm＋n个,而事件“第k次取得黑球”表明第k个球为黑球,共包含C1mAk-1m＋n-1个基本事件,     

对事件独立性的再认识

相互独立事件是概率论的基本概念,在理论分析和实际应用中都十分重要.然而在教学和实践活动中常常会产生困惑,如相互独立的两个事件是不是两个试验的事件?事件相互独立是不是事件之间互相没有影响?事件相互独立的本质是     

争鸣

问题问题二阶逆矩阵为什么不能这样定义?人教版是这样定义二阶逆矩阵:设A是一个二阶矩阵,如果存在二阶矩阵B,使得BA=AB=E2,则称矩阵A可逆,或称矩阵A是可逆矩阵,并且称B是A的逆矩阵.有一种观点认为可以作如下定义:设A是一个二阶矩阵,如果存在二阶矩阵B,使得AB=E2,则称矩阵A可逆,或称矩阵A是可逆矩阵,并且称B     

关于概率中样本空间选取的两点体会

从古典概型中事件概率的计算和事件的相互独立性两个方面,通过举例较深入地分析了样本空间选取的重要性,并指出在概率计算中要充分利用概率概念.