概率密度函数连续和不连续两种不同假设下的解题比较

概率密度函数连续的随机变量仅是一类特殊的连续型随机变量,因此假设概率密度函数连续是一个苛刻的限制.本文在随机变量概率密度函数连续和不连续两种不同假设下比较了两个典型例题的证明,可以看出两者的思路是完全不同的,后者通常更具有普遍性.     

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.     

应用曲线积分求解条件概率密度函数

本文将随机变量X在随机事件■(其中f(X)为线性函数)的条件下的概率分布转化为联合密度函数在该曲线段上的曲线积分,研究了在随机事件B发生的条件下随机变量X的条件概率密度函数.同时,本文通过例证说明,通过曲线积分求解条件概率密度函数较之从条件分布定义的求解方式更为简洁.     

相协样本下概率密度函数的调整经验似然推断

本文研究相协样本下概率密度函数的调整经验似然推断,证明对数调整经验似然比统计量服从χ²分布,由此构造了相协样本下概率密度函数的调整经验似然置信区间.在有限样本情况下通过数值模拟,对比分析得到AEL的表现略优于EL和NA的表现.     

随机变量独立性的一个注记

基于Lebesgue测度论,两个连续型随机变量相互独立的充要条件是:几乎处处有联合概率密度函数等于两个边缘概率密度函数的乘积.对两个随机变量来说,至少在一个非零测度集上,几乎处处有联合概率密度函数不等于两个边缘概率密度函数的乘积成立时,才能说两个随机变量不独立.     

NA样本下基于递推型核估计的概率密度函数的经验似然推断(英文)

在NA样本下, 本文研究了基于递推型估计的概率密度函数的置信区间的构造, 证明了分块经验似然比统计量的极限分布为χ~2分布, 并利用此结果构造了概率密度函数的经验似然置信区间.     

概率密度函数及其导数的估计

本文研究一个对概率密度函数ｆ（ｘ）及其导数的估计，它基于Ｆｏｕｒｉｅｒ变换方法上，被称为Ｆｏｕｒｉｅｒ变换估计。我们讨论了这估计的相合性及渐近正态性，并用这方法对众数也进行了估计。     

离散型随机变量密度函数的定义与探讨

使用“δ函数”定义离散型随机变量的密度函数，寻求离散型随机变量与连续型随机变量的统一处理方法．基于离散型随机变量密度函数的定义．其一维随机变量函数的密度函数以及多维随机变量的边缘密度等，均可直接利用连续型随机变量的相关结论．     

基于对称随机变量构造的反例

应用相关文献中对称随机变量分布函数的充要条件,阐明连续型对称随机变量概率密度的偶函数特点,以及对称随机变量的不相关性,构造一些教学反例.     

连续型随机变量函数

给出了求连续型随机变量函数的分布的一个新方法,即对已有的方法做了重要改进,新方法操作简单,适用范围广,更具有一般性;利用若干典型例题对新方法的应用做了详细的阐述,并针对应用该新方法解决相关问题可能步入的误区进行了分析和总结.     

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.     

二维连续型随机变量函数的分布密度的计算

二维连续型随机变量函数的密度函数的计算既是概率论教学中的一个重点,又是一个难点.本文介绍了一般二维连续型随机变量函数的分布密度的计算方法,并给出了一个新的方法——密度函数转化法.     

相依样本下概率密度函数估计的渐近正态

设随机变量 X具有概率密度函数 f (x) ,X1,… ,Xn为 f (x)的样本 ,基于 X1,… ,Xn定义一类 f (x)的估计 fn(x) .本文在 X1,… ,Xn为 α——混合、ρ——混合样本时 ,得到了 fn(x)的渐近正态性     

谐和与随机噪声联合作用下Duffing振子的双峰稳态密度

研究Duffing振子在谐和与随机噪声联合作用下系统响应的双峰稳态概率密度问题．用多尺度法分离了系统的快变项,得到了系统慢变项满足的随机微分方程．用线性化方法求出了双峰稳态概率密度的表达式．数值模拟表明提出的方法是有效的．     

模糊密度随机变量的数学描述

研究了由于概率密度函数的模糊性而引起的模糊概率随机变量问题。给出了区间密度函数、模糊密度函数、模糊密度随机变量及其分布函数和模糊密度随机变量的模糊数学期望、模糊方差等基本概念及定义和计算方法,并证明了有关定理。     

随机变量函数概率密度的定点算法

利用曲线积分和曲面积分作为工具,导出计算随机变量函数的密度函数的一种定点算法,并借助实例说明相应计算公式的应用.     

基于beta密度函数的信任模型

信任是网上商务活动成功执行的基础,通过概率论原理建立了一种基于beta概率密度函数的信任模型.该模型考虑了交易系统中关于交易者的历史交易数据,通过科学和现实地处理这些交易数据来构造交易者的信任函数.同时模型考虑了推荐信息,通过有效的传递和组合来处理这些推荐信息.此外,模型引入了比较合理的时间退化因子.     

概率分布的实函数实现问题

基于一维随机变量,通过阐释概率分布实函数实现的内在本质,给出了概率分布实函数实现的一个充分必要条件,得到分布函数族及其连续性特征,揭示出概率论中分布函数定义所蕴含的合理性和深刻性.     

同源密度函数方差估计值

本文提出同源密度函数方差估计值。它是依据每个随机变量函数方差的近似公式由条件死亡概率方差和同源生存率方差估计值推导出来的。其数值、置信限平均宽度和经验覆盖在各种极端临床条件下均与Greenwood密度函数方差估计值相等或相近 ,而计算大大简化。由此我们认为同源密度函数方差估计值可以取代Greenwood估计值     

Uncertainty quantification for random parabolic equations with nonhomogeneous boundary conditions on a bounded domain via the approximation of the probability density function

This paper deals with the randomized heat equation defined on a general bounded interval [L₁, L₂] and with nonhomogeneous boundary conditions. The solution is a stochastic process that can be related, via changes of variable, with the solution stochastic process of the random heat equation defined on [0,1] with homogeneous boundary conditions. Results in the extant literature establish conditions under which the probability density function of the solution process to the random heat equation on [0,1] with homogeneous boundary conditions can be approximated. Via the changes of variable and the Random Variable Transformation technique, we set mild conditions under which the probability density function of the solution process to the random heat equation on a general bounded interval [L₁, L₂] and with nonhomogeneous boundary conditions can be approximated uniformly or pointwise. Furthermore, we provide sufficient conditions in order that the expectation and the variance of the solution stochastic process can be computed from the proposed approximations of the probability density function. Numerical examples are performed in the case that the initial condition process has a certain Karhunen‐Loève expansion, being Gaussian and non‐Gaussian.