独立随机变量之和的分布函数的渐近展开

设X₁,…,X_n,…相互独立而不必同分布,每个为一整数。本文研究了的分布函数F_n(x)的渐近展开,得到了余项非一致性估计的理想结果。附带地,我们建立了F_n(x)的正态逼近的理想的非一致性速度。     

Fourier变换在连续随机变量之和分布中的应用

本文给出了Fourier变换在求解相互独立的连续随机变量之和分布中的应用,证明了正态随机变量的可加性,方法简便、快速.这些充分显示了此工具的实用性.     

一类两个随机变量函数的分布

给出了随机变量X,y分别是离散、连续不同类型时,其函数Z=g（X,y）分布的一般求解方法和应用举例．     

负相依随机变量之和的概率大偏差不等式

本文建立了负相依随机变量序列的概率大偏差不等式，并推广了以往文献的结果．     

随机多个随机变量之和的期望公式的一种新证法

用随机变量之和的分布的卷积公式直接给出随机多个随机变量之和的期望公式的证明 ,避免了原有的证明过程需引入条件期望和全期望公式的麻烦 .     

二元Weinman型指数分布随机变量之和、差、积、商及比率的分布

出于水文科学应用的需要,本文导出了二元Weinman型指数分布随机变量之和、差、及比率的精确分布;计算了二元Weinman型指数分布随机变量之积、及商的精确分布,所得结果可应用于水文科学的教学和研究之中.     

随机变量及其分布

本单元的重点：离散型随机变量及其分布列,条件概率,相互独立事件,独立重复试验与二项分布,离散型随机变量的均值和方差,正态分布．     

随机变量及其分布

1.本单元重、难点分析本单元的重点:随机变量分布列的意义,两点分布、二项分布、超几何分布、条件概率、独立重复试验等概念的理解及有关公式的运用.本单元的难点:各种概率分布的判断及应用.     

独立随机变量乘积的分布

得到了两个独立的任意分布随机变量乘积的分布函数的计算公式,该公式推广了参考文献[1]中定理1的结果.     

一种均匀分布的修正分布——UR-n分布

从现实应用中 ,提出一种均匀分布的修正分布 ,并进一步研究了n次修正分布———UR n分布的性质及其极限性质 .这一分布在军事中武器精度的研究、天文观测等多方面都很有利用价值 .     

均匀分布参数的无偏估计及其分布

讨论了均匀分布未知参数无偏估计量的分布密度,利用无偏估计量构造出一些新的样本函数,并且利用给出的样本函数推导出了未知参数的置信区间.所得到结果改善了现有的估计,易于计算.     

随机变量及其分布题组

填空题1　随机变量是一个用来表示的变量 ;若对随机变量可能取的一切值 ,我们都可以按一定次序一一列出 ,则这样的随机变量叫做 ;而连续型随机变量的取值可以是 .2　一个袋中装有 6个白球 ,4个红球 ,从中任取 4个 ,其中所含红球个数记为 ξ ,则 ξ =2所表示的随机试验结果是 .3　已知随机变量 ξ所有可能取的值为 1,2 ,… ,ｎ ,且取这些值的概率依次为ｋ2 ,2ｋ2 ,… ,ｎｋ2 ,则常数ｋ = .4　设随机变量 ξ只能取 6 ,7,8,… ,15这 10个值 .且取每个值的概率均相等 .则Ｐ (ξ >8) =;Ｐ(ξ≥ 10 ) =.5　设随机变量 ξ的分布列为Ｐ (ξ =ｘ) =Ｃ…     

随机变量分布函数的右连续性

本文给出一种随机变量分布函数的右连续性的理解方法,以便帮助学生从不同角度准确的理解、掌握这一重要性质.     

独立随机变量乘积的分布性状

设X与Y为相互独立的非负随机变量, 考察乘积XY的尾分布性状. 可将X视为初始资本, 而Y则是利率的影响. 在现代金融保险业中, 通常假定X属于一定的分布族, 而要考虑的问题是: Y的尾分布性状会对XY的尾性状产生怎样的影响? 在怎样的条件下, XY能够保持X的原有族性? 探讨了当X的分布属于L族和S族时, XY的分布仍能属于相应分布族的条件, 这些条件远远弱于既往文献中所给出的条件. 同时还证明了: 当X服从L(γ) (γ>0)族连续分布时, XY的分布属于L族的充要条件是Y为无界随机变量.     

关于确定两个非独立随机变量和分布方法的探讨

本文通过示例研究和探讨了确定两个非独立随机变量和分布的方法.     

谈二维随机变量的函数的分布函数

设二维随机变量 (X,Y)的概率密度为 f (x,y) ,二维随机变量的函数是 U =U(x,y) ,则U的分布函数为FU(u) =P{ U≤ u} = Gf (x,y) dxdy,G:u(x,y)≤ u,(-∞ 0 .将此…     

基于均匀分布参数估计的几个结果

在总体分布为U(0,θ)和U(1θ,2θ)下,给出了未知参数θ,1θ,2θ的一些点估计量,并讨论了这些估计量的性质,对原有结果进行了补充.     

有趣的随机变量和的分布算法

根据实际问题.提出计算随机变量和的分布的两种方法,即多项式相乘法和概率母函数法.     

对数正态型分布纪录值之和的渐近分布

设X₁ , X₂, …是i.i.d.的随机变量序列, X⁽¹⁾ ,X⁽²⁾, …是它的纪录值序列. 对X₁∈LN( γ ), 即X₁服从对数正态型分布的场合, 讨论纪录值的部分和序列 的渐近分布问题. 发现γ = 2是一个分界线, 并且证明了在γ ＞2时, T_n渐近于正态分布; 而在2＞γ＞1时, T_n在通常的中心化和正则化之下, 不能收敛到任何非退化的概率分布, 但是此时log T_n渐近于正态分布.