多重卷积公式及其应用

本文给出了一个ｎ重卷积的直接计算公式，避免了逐次卷积的麻烦，从而大大减少了运算工作量。这给工程应用和实际计算带来了一些方便。     

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 .     

正余弦降次公式的推广及应用

文[1]介绍了关于2ｎ-1ｃｏｓｎθ的降次公式及其证明,作为其推广,本文进而导出了关于2ｎ-1ｎｊ=1ｃｏｓθｊ与2ｎ-1ｎｊ=1ｓｉｎθｊ的如下降次公式(即“ｎ次积化和差公式”):定理　记Ｃ(0)ｎ(θｊ)=ｃｏｓ(θ1 … θｎ),Ｓ(0)ｎ(θｊ)=ｓｉｎ(θ1 … θｎ);Ｃ(ｋ)ｎ(θｊ...     

完全分支数N(Kn,k)卷积公式及分拆和的上界

得到了完全分支数N（Kn,k）卷积公式,并讨论了分拆和的上界．     

独立随机变量部分和的大偏差

本文把 Cramer 关于独立同分布随机变量序列部分和的大偏差的一个定理推广到独立不同分布随机变量序列的情形,获得了如下结果:定理设{X_j)j>1是实值独立随机变量序列,F_j(x)是 X_j 的分布,如果     

校正梯形公式的推广

对数值积分中的校正梯形公式作出推广并讨论了中间值的渐近性.     

完全分支数N(Kn,k)卷积公式及分拆和的上界

得到了完全分支数N（K_n,k）卷积公式,并讨论了分拆和的上界．     

辛甫生公式的推广

给出了具有3次代数精度的条件,对辛甫生求积公式进行了推广,利用待定系数方法推导出了一般性的公式,并从该推广的方法导出了三点高斯公式.     

全概率公式的推广及应用

通过引入随机变量的思想推广全概率公式,由此可得到解决几何概型的一种方法,实例说明这种方法在求解几何概型方面的的应用。     

独立随机变量滞后和增量的极限点的分布结果

本文讨论了独立但不必同分布的随机变量滞后和增量的极限点的分布情况,从而回答了 Hanson 和 Russo 在[1]中提出的问题(4.7)。     

一个公式的推广

高中立体几何中有这样一个公式：如图1,若面ADC⊥面BDC,则有：COS∠BDA=cos∠BDC×cos∠ADC①     

独立随机变量部分和增量的某些极限结果

1989年邵启满研究了独立随机变量和 S_n 的增量有多小的结果,在一定条件下证明了lim(?) inf min(?) max(?) r_n,N|S_(n+k)-S_n|=1(a.s.)本文我们得到了在“lim inf”变为“lim sup”,r_(n,N)用另一适当因子代替后的一些结果,证明了和陈桂景,洪圣岩和胡舒合在[2]中的结论相类似的结果。     

Euler求和公式的一种推广和应用

将只适用于有限区间上具有连续微商的函数的Eu ler求和公式推广到一般的连续函数,并应用此公式推出对于满足L ipsch itz条件的函数普通数值积分的梯形法、矩形法与S im pson法.     

全概率公式的推广与应用

认为全概率公式成立的条件＂事件组须为样本空间的划分＂可以减弱,给出全概率公式在有限事件组情形和无限可列事件组情形下的两种推广形式,由此对贝叶斯公式进行两种相应推广,并通过实例展示全概率公式在敏感性调查中的应用.     

次线性期望下的一般中心极限定理

受Peng-中心极限定理的启发,本文主要应用G-正态分布的概念,放宽Peng-中心极限定理的条件,在次线性期望下得到形式更为一般的中心极限定理.首先,将均值条件E[X_n]=ε[X_n]=0放宽为|E[X_n]|+|ε[X_n]|=O(1/n);其次,应用随机变量截断的方法,放宽随机变量的2阶矩与2+δ阶矩条件;最后,将该定理的Peng-独立性条件进行放宽,得到卷积独立随机变量的中心极限定理.     

独立随机变量序列加权和的相合性

设t0∈(0，1)，Wni(t0)是关于实变量t1，t2，…，tn的权函数；随机变量序列Y1，Y2，…，Yn，iid．本研究了随机变量序列加权和∑(i=1,n)Wni(t0)Yi的相合性．     

辛普生公式的推广

推广了数值积分中著名的辛普生公式,讨论了中值点的渐近性.     

全概率公式的推广

首先给出了普通事件在普通条件和Fuzzy条件下的Fuzzy条件概率及Fuzzy事件在普通条件和Fuzzy条件下的Fuzzy条件概率公式,并通过对普通事件的全概率公式进行推广,得到普通事件和Fuzzy事件分别在普通划分和Fuzzy划分下的全概率公式     

重尾情形下NA随机变量的随机加权和

In 2003, Tang Qihe et al. obtained a simple asymptotic formula for independent identically distributed （i.i.d.） random variables with heavy tails. In this paper, under certain moment conditions, we establish a formula as the same as Tang’s, when random variables are negatively associated （NA）.