中位数,数学期望与众数的大小关系

本文论证了中位数、数学期望与众数三者之间的大小关系，并且指出当今某些数学书籍在这方面所下的错误结论。     

Choquet期望,最大(最小)期望和推广的Peng’s g-期望（英文）

Choquet期望和最大(最小)期望是非线性期望,它们替代经典的数学期望被广泛地应用在经济、金融和保险中.但是,由于非线性,计算它们往往非常困难.本文首先介绍推广的Peng’s g-期望及其相关性质;然后,给出最大(最小)期望和推广的Peng’s g-期望之间的关系;最后,利用Peng’s g-期望,在一些合理假设下,得到Choquet期望和最大(最小)期望是一致的.     

关于扭曲数学期望的几个性质

本文研究了扭曲数学期望. 利用构造示性函数的方法, 证明了扭曲数学期望满足常数平移不变性的充要条件是该扭曲数学期望是熵期望.     

关于扭曲数学期望的几个性质

本文研究了扭曲数学期望.利用构造示性函数的方法,证明了扭曲数学期望满足常数平移不变性的充要条件是该扭曲数学期望是熵期望.     

最大期望收益与最小期望损失决策一致性条件

本首先建立了条件收益值与条件损失值之间的关系，其次在理想期望概念的基础上建立了期望收益与期望损失之间的关系。然后给出了依据最大期望收益准则与最小期望损失准则决策一致性条件。     

关于次序统计量数学期望的两个恒等式

受关于最大次序统计量数学期望恒等式的启发,给出了最小次序统计量数学期望的恒等式,并利用概率方法进行了证明.两个恒等式是对概率论知识的补充和推广     

一般的非线性数学期望—g—期望

彭实戈利用倒向随机微分方程引入了平方可积随机变量的非线性数学期望－ｇ－期望,本文扩张了ｇ－期望的定义空间。     

L~p空间中随机变量的g-期望与条件g-期望

利用倒向随机微分方程的Lp解定义了Lp空间中随机变量g-期望与条件g-期望,扩张了g-期望与条件g-期望的定义空间;证明了用Lp解定义的g-期望与文[5]用算子连续扩张方法定义的一般g-期望的一致性,得到了Lp空间中随机变量的g-期望与条件g-期望的一些性质.     

Lp空间中随机变量的g-期望与条件g-期望

利用倒向随机微分方程的Lp解定义了Lp空间中随机变量g-期望与条件g-期望,扩张了g-期望与条件g-期望的定义空间;证明了用Lp解定义的g-期望与文[5]用算子连续扩张方法定义的一般g-期望的一致性,得到了Lp空间中随机变量的g-期望与条件g-期望的一些性质.     

一个离散型随机变量数学期望的几种简捷求法

直接利用期望定义来求离散型随机变量的数学期望,有时计算比较困难.利用条件数学期望、随机变量的和式分解、对称性,分别给出了一个离散型随机变量数学期望的几种求法.     

Conditional expectation and the Bergman projection

For any σ-algebra of measurable subsets of the unit disk generated by a finite Blaschke product, we prove that the associated conditional expectation operator commutes with the Bergman projection operator if and only if the σ-algebra is generated by a monomial. In the process, a formula for the conditional expectation operator (under certain assumptions) is obtained. When compared with earlier results of A.B. Aleksandrov concerning conditional expectation associated with σ-algebras of measurable subsets of the circle, our results exhibit a stark contrast between the way conditional expectation operators act in the Bergman and Hardy space settings.     

计算数学期望和概率的条件化方法

借助于条件数学期望和随机事件A的示性函数IA,通过对随机变量的适当"条件化"处理,应用全期望公式和推广的全概率公式,讨论了计算数学期望和概率的条件化方法.     

基于红利贴现的适应性预期股价决定模型研究

介绍了基于红利贴现的适应性预期股价模型,对适应性预期股价决定模型和理性预期股价决定模型进行了比较,并分析总结了已有的实证结果,得出了适应性预期模型对于成熟股票市场有很强解释能力并将对我国股市有借鉴意义的结论.     

The reduced minimum modulus of Drazin inverses of linear operators on Hilbert spaces

In this article, we study the reduced minimum modulus of the Drazin inverse of an operator on a Hilbert space and give lower and upper bounds of the reduced minimum modulus of an operator and its Drazin inverse, respectively. Using these results, we obtain a characterization of the continuity of Drazin inverses of operators on a Hilbert space.

     

三级备件保障系统下的备件库存优化模型

目前我军装备备件保障通常采用三级保障模式,以各级备件期望短缺数量之和最小为目标,研究在不同库存水平条件下,三级备件保障系统的备件库存优化模型.经示例分析,验证了该模型的可行性和有效性,该结果可为多级备件保障提供理论依据.     

重期望公式的误用

指出[2]中一道习题的错解,并分析出现错误的原因.     

基于期望视角的感知服务质量与顾客满意度区别研究

从期望出发,比较顾客视角的感知服务质量与满意度的区别。首先对期望概念进行明确界定,借鉴卡诺模型分类方法划分期望类别,基于重要性维度得到期望的三个类别:核心属性期望、重要属性期望和附加属性期望。以餐饮行业为实证研究背景,比较期望视角下的顾客满意度和感知服务质量的区别。发现核心属性期望、重要属性期望对顾客的服务质量评价影响更大,而附加属性期望对顾客的满意度评价影响更大。最后,给出企业对顾客期望、服务质量与顾客满意度的管理意义。     

On the minimal members of convex expectations

In this paper, we show that for a convex expectation E[⋅] defined on L¹(Ω,F,P), the following statements are equivalent:

(i)

E is a minimal member of the set of all convex expectations defined on L¹(Ω,F,P);

(ii)

E is linear;

(iii)

two-dimensional Jensen inequality for E holds.

In addition, we prove a sandwich theorem for convex expectation and concave expectation.     

SUP-阿基米德T模合成算子模糊关系方程的求解

论文根据阿基米德 T模的一些特性 ,给出求解 SUP-阿基米德 T模合成算子模糊关系方程的方法 ,以及求解最大解和全体极小的解方法 .     

Strong Laws of Large Numbers for Sublinear Expectation under Controlled 1st Moment Condition

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.