多维正态分布函数近似值的研究简

运用矩阵的Cholesky分解技巧和全概率公式给出了高维正态分布函数的近似计算公式.结果显示,高维正态分布函数可用低维正态分布函数的加权值来近似.该方法可推广到其它具有线性变换不变性的高维随机变量分布函数的计算.最后,给出了二维、三维和四维正态分布函数的计算实例,并和Cox的相关结果作了比较.     

n维模糊集的扩展原理及其性质

扩展原理是模糊数学理论最基本原理之一,具有重要的理论意义与实际应用价值,而对n维模糊集扩展原理的研究不仅可以进一步丰富模糊数学的基本理论,而且还对n维模糊集的应用提供理论支撑.根据n维模糊集的截集、分解定理和表现定理,利用模糊集的扩展原理,建立n维模糊集的扩展原理.首先对应不同截集下得到的n维模糊集的3个分解定理和3个表现定理,给出相应的n维模糊集的3个扩展原理;其次,结合n维模糊集运算的定义及模糊集扩展原理的性质,讨论了n维模糊集扩展原理的有关性质;最后,给出复合函数的n维模糊集扩展原理,并利用复合函数的模糊集扩展原理的性质,讨论了复合函数的n维模糊集扩展原理的性质.     

n维凸模糊集与n维模糊数

在n维模糊集理论的基础上,给出了n维凸模糊集的定义,利用凸模糊集的有关性质研究了n维凸模糊集的有关性质.在此研究基础上,又给出了n维(闭)模糊数的概念,根据模糊数的有关性质得到了n维(闭)模糊数相应的运算性质和表示定理,为建立基于n维模糊集的凸分析理论奠定了基础.     

利用导数研究正态分布的概率密度函数性质

从正态分布的概率密度函数入手,利用导数研究函数,推导正态分布的大致图像和基本性质.     

矩阵正态分布均值矩阵的可估函数的线性估计在线性估计类中的泛容许性

考虑以下问题 :设n×m随机矩阵Y有分布N(Θn×m ,σ2 (Vn×n Σm×m) ) ,0 <σ2 ≤ 1 ,即Y服从均值向量为Θ协方差矩阵为σ2 (Vn×n Σm×m)的多元正态分布 ,其中 (Θ ,σ2 )为未知参数 .类似覃红讨论均值矩阵Θ的可估函数SΘ的线性估计AY在线性估计类中的泛容许性 .称Y的分布为矩阵正态分布     

混合对数正态分布最大值的极限分布

设{Xn,n≥1}是独立同分布的随机变量序列,并且每个随机变量Xn服从混合对数正态分布.Mn=max{Xk,1≤k≤n}表示{Xn,n≥1}的部分最大值,同服从混合对数正态分布的独立随机变量最大值的极限分布以及相应的赋范常数.     

关于正态分布的一个注记

推广了高维分布的正态性由低维分布检验问题的有关结论，得到一簇任意Ｎ（１＜Ｎ＜ｎ）维子向量服从正态分布而本身非正态的ｎ维分布密度；并给出判定ｎ维正态分布的一个充分条件。     

建模分析中的联合正态分布与仿真

服从联合正态分布的随机向量的线性变换性质在许多问题的建模分析中非常重要。该文通过矩阵分析表明,n维联合正态随机向量只有在行满秩线性变换之下才能得到服从联合正态分布的新的随机向量,否则服从退化的联合正态分布。该文还设计了数值实验进行仿真分析,实验结果显示了不同变换情况下点的随机性差异。     

关于正态分布的重要结论及注记

实际问题中的许多随机变量服从正态分布,正态分布在概率统计中起着非常重要的作用.从某考研资料中的一道例题出发,给出了关于函数的正态分布的一个结论的证明,使读者对正态分布的理论及实际问题有进一步的认识,进而能够把正态分布应用于解决实际问题中.     

应用变量变换法讨论2维正态分布的性质

运用通常方法讨论2维正态分布的性质时,计算较为繁琐。以变量变换法为工具,给出一个独立性定理,以变量变换法和该独立性定理为基础,讨论2维正态分布的边际分布、协方差、独立性,可以看到该方法显著地减少了计算量。