二元Marshall-Olkin型指数分布的独立性和不相关性

若（X,Y）服从二元Marshall-Olkin型指数分布,则X,Y相互独立与不相关是等价的．     

二元Block-Basu型指数分布的独立性与不相关性

若（X,Y）服从二元Block-Basu型指数分布,则X,Y相互独立与不相关是等价的．还给出了X,Y的相关系数和尾部相关系数．     

二元Lawrance-Lewis型指数分布的识别性及渐近不独立性

本文讨论了二元Lawrance-Lewis指数分布的识别性和渐近不独立性,若已知可识最小值的分布密度时,所有参数皆可识别;另外,还计算了X,Y之间的相关系数和尾部相关系数,证明了X,Y之间的渐近不独立性;且X,Y不相关当且仅当b=2时.     

二元Freund型指数分布的独立性和不相关性

本文讨论二元Freund型指数分布的独立性和不相关性,分别获得了两个服从二元Freund型指数分布随机变量相互独立及不相关的充分必要条件;并得到了其相关系数的精确表达式,证明了在对称情形其相关系数落入负三分之一与一之间,文末证明了X,Y之间的渐近独立性.     

二元Friday-Patil型指数分布的特征及其应用

导出了二元Friday-Patil型指数分布的一个特征,利用该特征获得了二元Friday-Patil型指数分布参数的最大似然估计及矩估计,给出了强度服从二元Friday-Patil型指数分布时系统可靠度的估计.     

二元Weinman型指数分布的特征及其应用

导出了Weinman型二元指数分布的一个特征,由此获得了参数θj(j=0,1)的最大似然估计及矩估计,给出了二元Weinman型指数分布的二种模拟,还得到了强度为二元Weinman分布时并联结构系统可靠度的估计.     

二元Block～Basu型指数分布的特征及其应用

导出了二元Block~Basu型指数分布的一个特征,利用该特征,获得了二元Block~Basu型指数分布参数的最大似然估计及矩估计,给出了强度服从二元Block~Basu型分布时并联结构系统可靠度的估计,并给出了二元Block~Basu型指数分布的一个随机模拟.     

二元Freund型指数分布的特征及参数估计

利用分布密度分拆的思想,导出了二元Freund型指数分布的一个特征,利用该特征,获得了二元Freund型指数分布参数的最大似然估计及矩估计,还给出了强度服从二元Freund型指数分布时并联结构系统的可靠度估计及模拟.     

例说独立性与不相关性的关系——兼说高等数学与概率统计的关系

本文讨论独立性与不相关性的关系,除了随机变量之间的独立性必定导致二个随机变量之间的不相关性外,以几个服从二元二点分布、二元均匀分布、二元指数分布、二元正态分布的二个随机变量之间的独立性与不相关性作为例子:说明独立性与不相关性之间的其他三种情形;不难发现,刻划独立性的是函数关系,刻划不相关性的是数字关系;由此,同时讨论高等数学与概率统计的关系,也列出了高等数学与概率统计之间的四种情形.     

不相关且不独立二维离散型随机向量的构造方法

给出了构造不相关且不独立二维离散型随机向量的原理,并且提供了相应的方法.使用它们可以使教师在讲述不相关与独立概念时举证既方便又丰富.本文提供的参考程序可以使构造过程自动化.     

独立指数分布卷积的矩的计算

推导了∑from i=1 to s(λir)/(π j=1 j≠i to s (λi-λj))求和公式,从而解决了独立指数分布卷积的矩的计算.     

On the Characteristic Properties of Exponential Distribution

New characterizations for the exponential distribution are given in terms of record values and the probabilities of finite sums of independent and identically distributed nonnegative random variables provided that the underlying distribution is either new better than used or new worse than used.     

二元一般指数分布的识别性及其参数估计

讨论了一般二元指数分布的识别性问题及参数估计问题.本文证明了两个结论:其一、当只有最大值随机变量的分布已知时,仅一个参数可识别;其二、当可识别最大值的分布已知时,所有参数皆可识别.进一步根据上述结论得到了所有参数的最大似然估计.     

Use of Markov Chain Monte Carlo Methods in a Bayesian Analysis of the Block and Basu Bivariate Exponential Distribution

Metropolis algorithms along with Gibbs steps are proposed to perform a Bayesian analysis for the Block and Basu (ACBVE) bivariate exponential distribution. We also consider the use of Gibbs sampling to develop Bayesian inference for accelerated life tests assuming a power rule model and the ACBVE distribution. The methodology developed in this paper is exemplified with two examples.     

Estimation of a Bivariate Extreme Value Distribution

Several threshold methods have been proposed for the purpose of estimating a bivariate extreme value distribution from a sample of data whose distribution is only in its domain of attraction. An integrated view of these methods is presented which leads to the introduction of a new asymptotically consistent estimator of the dependence function characterizing the extreme dependence structure. Through Monte Carlo simulations, the new estimator is also shown to do as well as its competitors and to outperform them in cases of weak dependence. To the authors' knowledge, this is the first time that the small-sample behavior of nonparametric bivariate threshold methods has ever been investigated.