基于二维t分布的条件VaR研究

根据多元t分布的定义及性质,推导出二维t分布随机变量差的条件分布仍服从t分布.在假定股票价格对数与收益率服从二维t分布的基础上,利用该性质,可以得到不同股票价格水平条件下,收益率的一维条件t分布,进而计算出价格条件VaR.利用多元t分布研究价格条件的收益率分布问题,与正态分布相比,较好地刻画了证券收益率分布的尖峰厚尾现象.     

随机误差的分布机理

研究随机变量误差的分布函数,通过数理变形、推导证明此随机变量精确服从正态分布.     

正态随机变量的非线性函数具有正态性的两个例子

设 X是一个服从标准正态分布的随机变量 ,即 X～N(0 ,1) ,本文给出两类非线性函数 f(x) ,使得 f (X )仍然服从标准正态分布 .     

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.     

一道概率论习题的证明

针对有关服从二维正态分布的二维随机变量的函数的数学期望的一道计算性证明题。分析并给出三种不同证明方法,指出各种证法的关键所在．     

计算机产生随机数的方法

2003年中华人民共和国教育部颁布的《普通高中数学课程标准(实验稿)》在必修3中增加了“了解随机数的意义,能运用模拟方法估计概率”的内容,那么什么是随机数?计算机中的随机数是如何产生的?1随机数与伪随机数设随机变量η的分布函数为F(x),则称随机变量η的随机抽样序列{ηi}为分布函数F(x)的随机数.事实上,随机数{ηi}就是随机变量η的观测值,或者说是来自随机变量η的样本.随机数一定是相对某一个确定分布而言的.若随机变量η服从正态分布N(μ,σ2),则称来自η的随机抽样序列{ηi}为正态分布随机数;若随机变量η服从[0,1]区间上均匀分…     

多元随机变量的某些问题

本文讨论多元随机变量之期望向量、协方差矩阵与边际分布、条件分布的期望向量、协方差矩阵之间的关系.还讨论了多元随机变量服从多元正态分布的某个充分条件.     

正态—平稳二项过程模型结构可靠度的最小方差无偏估计

本文讨论强度随机变量Ｘ服从正态分布,应力｛Ｙ（ｔ）,ｔ∈［０,Ｔ］｝为平稳二项随机过程模型结构可靠度的最小方差无偏估计．     

封闭型保单组未来损失现值向量的联合分布及渐近分布

本文针对封闭型保单组,利用历年死亡人数随机向量D,将保单组的未来给付现值随机变量和未来损失现值随机变量表达为某个满秩矩阵和D的乘积,根据D服从多项分布的性质,得到未来损失现值随机向量渐近服从多元正态分布的结果,为分析责任准备金提供了一个新的框架.     

"正态分布"教学刍议

高中数学新教材"选修Ⅱ"中借助于总体密度曲线的概念,对正态分布的意义进行了介绍,指出在实际中常见的服从正态分布的随机变量,并直接给出正态分布的主要性质,进而说明了统计中常用的假设检验基本思想.本文就本人的教学实践体验浅谈"正态分布"这一节课程内容的教学.     

标准正态分布N（0，1）在正确评估学生学习成绩中的应用

在自然界,有许多变量都服从正态分布.这种分布是处理大量偶然的数据中,找到它们之间的内在联系的武器.在教育实践中,反映出人的能力,智力一般也符合正态分布,如考试分数这种随机变量X,也符合正态分布. 目前教师对运用标准正态分布,处理评估学生成绩与操行等级还不熟悉.这种方法在计算器及计算机,被人们重视与普及基础上,越来     

矩阵正态统计分布的一个性质

对于服从相同统计分布的两个 n维随机向量 X和 Y,若 X关于 Y的条件概论分布为多元正态分布Nn(ATy+ b,φ0 ) ,则由 X和 Y构成的 2 n维随机向量也服从多元正态分布 ,并且︳(A) <1;利用条件分布和特征函数的唯一性定理 ,证明了矩阵正态分布也存在类似结论 .     

例谈正态分布的应用

正态分布是自然界中最常见的一种分布,例如测量的误差,人的生理特征的某些数据,学生的考试成绩等等.它广泛存在于自然现象及科学技术的许多领域中.在实际应用中,当给定一个标准的正态分布N(0,1)以后,设P(ξ相似文献   

关于二维连续型随机变量线性组合的概率密度

由二维连续型随机变量和的分布的概率密度推广得到二维连续型随机变量线性组合的概率密度.     

二维连续型随机变量函数分布的一个定理

给出求二维连续型随机变量函数分布的一个定理,并籍以导出二维随机变量和差积商的概率密度函数公式.     

两个n维随机变量函数的概率密度的求法

从二维随机变量函数的概率密度的求法出发,引入了n维随机变量函数的概率密度的求法,并介绍了两个常见的n维随机变量函数的概率密度的求法.     

多种方法巧证概率积分intgral from n=-∞ to +∞(1/(2π)~(1/2)·e~(-(x~2/2))dx=1)

利用变量代换、微分中值定理、积分几何意义、积分性质及夹逼定理、Γ -函数和β-函数关系等方法 ,对服从标准正态分布的随机变量 X ,其密度函数的概率积分公式 ,给出了多种证明方法 .     

二维指数信号模型中参数Bootstrap估计的强相合性

本文主要研究了在统计信号处理当中具有广泛应用的二维带白噪声指数信号模型中参数估计的Bootstrap逼近, 借助于回归模型中Bootstrap逼近的构造方法, 给出了二维指数信号模型参数的自助估计, 并证明了自助估计具有强相合性. 最后采用了Monte-Carlo法对所提的方法进行随机模拟, 模拟的结果表明当噪声不服从正态分布时, Bootstrap方法的估计效果优于最小二乘估计.     

关于离散型随机变量次序统计量分布矩阵对称性猜想的探索

本文研究了离散型随机变量次序统计量的分布矩阵的对称性 ,获得了二个定理 .定理 1　服从等概率二点分布或等概率三点分布的离散型随机变量的次序统计量的分布矩阵是对称矩阵 .定理 2　取值有限且等概率的离散型随机变量的次序统计量的分布矩阵具有中心对称性 .     

关于高斯随机游动之Shepp统计量的极值的一些渐近结果（英文）

设{x_i∶i≥1}是一列独立的标准化的服从正态分布的随机变量序列,令S_k=∑_(i=1)~kX_i,S_0=0为相关的高斯随机游动.当T是一正的独立于{X_i∶i≥1}的随机变量时,获得了Shepp统计量之极值M_T~(N)=max(k+L-1)-S_(k-1))的尾渐近展开.同时也证明了M_T~(N)的几乎处处极限定理.