模糊随机变量的期望值

引言自1965年美国自动控制学家 L·A·Zadch 提出模糊集合概念以来,模糊数学发展十分迅速,应用十分广泛。模糊概率分析就是模糊数学的一个重要分支。它是在经典概率论基础上,引进模糊集合概念,研究模糊随机现象而发展起来的。关于这方面的文献很多,这里仅就与本文有关的综述如下.1976年 Feron 定义模糊随机集合为可测函数 F:Ω→(?)((?)).这里(?)是一个拓扑空间.(?)((?))=[u;(?)→[01]]且[X∈(?):F(ω)(x)≥α]对每一个α是(?)的一个闭子     

对称随机变量线性组合的封闭性

在给出多维对称随机变量分布函数一个充要条件证明的基础上,阐明对称随机变量的线性组合仍是对称随机变量.进一步,应用得到的结果讨论了关于对称随机变量序列部分和的一个不等式.     

一类随机变量性态的研究

本文通过证明一个引理，对文［１］中一个概率问题给出更强的结论．     

随机变量阵列的强收敛性

获得了独立随机变量阵列的对数律成立的一个充分条件,推广了已有的结果。     

随机变量线性组合的封闭性

用“ｄ”↓＝运算定义了随机变量的等价类，给出了随机变量线性组合封闭性的概念，得到了以下结果：线性组合封闭的特征；任何一个等价类中可选择该类中的随机变量线性组合不属于该类，可选择非等价中的随机变量性组合属于该等价类，并给出了上述结论的构造方法。     

随机变量和的分布

目的 研究不独立不同分布的贝努里随机变量序列和的分布。方法 利用二项分布的一些性质进行研究。结果 给出了判别Sn=∑3i=1 Xi是二项分布的一个必要条件。结论 对P．Vellaisamy的方法有所改进。     

离散型随机变量独立性的判定

】　借助于条件数学期望给出了离散型随机变量相互独立的一个充分必要条件和一个充分条件,其中的充分必要条件推广了已有的结论。     

随机变量独立性的一个结果

本文给出不相互独立的随机变量，其平方间的独立性及其函数间独立性的一个结果．     

不分明随机变量

§1引言 在[1]中我们讨论了不分明事件与不分明概率。本文欲在此基础上,应用不分明测度论中提供的结果讨论不分明随机变量。L.A.Zadch 在中给出了不分明事件的概率、均值与方差的定义。仲崇骥在中构造了一个与F 概率空间(X,P)等价的类概率空间(X×(0,1〕,H,P),然后定义不分明随机变量为乘积空间X×(0,1〕上关于H 可测的实值函数,根据§3所述,我们可以把(X,P)     

关于随机变量的独立性

设X_1、X_2是定义在概率空间(Ω,F,P)上的、可测度量空间(s,S)中的两个随机元。对于A∈S,A的边界(?)A,若P(X∈(?)A)=0,称A为X的连续集。易知X的一切连续集构成一个σ代数。定义对于随机元(X_1,X_2),(?)X_1的连续集A_1与(?)X_2的连续集A_2,若P(X_1∈A_1,X_2∈A_2)=P(X_1∈A_1),P(X_2∈A_2),称(X_1,X_2)对于连续集独立。对于连续集独立的随机元,不一定概率独立,例     

连续型随机变量的单位化

通过引入单位随机变量的定义，讨论连续型随机变量与单位随机变量关系，提出并证明了在一定条件下，连续型随机变量可转化为单位随机变量，或者说，连续型随机变量可用单位随机变量表示。     

埃尔米特多项式与随机变量

讨论当埃尔米特多项式中的自变量是随机变量时所具有的性质,以及一列同分布的随机变量乘积和依概率收敛于埃尔米特多项式.     

模糊随机变量的方差

利用ＦＲＶ的方差,证明了方差的若干重要性质,并在一维情形下证明了与期望性质类似的方差的性质．     

对随机变量数学期望概念的探讨

本文证明了在目前的概率教科书中，连续型随机变量的数学期望定义中的条件“积分绝对收敛”可以改为“积分收敛”．     

二维随机变量分布的求法

着眼于二维随机变量在实际和学习中的广泛应用,本文总结了求二维随机变量分布的常用方法,从理论上解决了一些实践中遇到的问题.     

带有随机自由度的卡方随机变量的渐近分布

利用特征函数与母函数的方法得到了当自由度为随机变量时的卡方随机变量的渐近分布.     

可交换随机变量序列的随机极限定理的一个推广

讨论了可交换随机变量序列{Xn:n≥1}的极限定理,得到了可交换随机变量序列的随机强大数定律成立的充要条件,并在一定的条件下,推广了文[1]中的结果.     

正态随机变量设计和数值试验

根据中心极限定理，以随机数为基础，设计了正态随机变量的结构公式，其数学期望和方差可任意给定。经过精确的数值试验，不仅证明了设计方案的正确，而且得出了效果良好的随机组合数量下限。     

一维连续型随机变量函数分布的理论研究

本文给出了求一维连续型随机变量函数分布密度的一般方法:分布函数法,并用分布函数法对现有文献中的计算公式进行了理论探讨,对现有的定理进行修正拓展,扩大了应用范围。     

随机变量数学期望与方差

介绍一种求随机变量期望与方差的方法,利用该方法容易得到常见随机变量期望与方差公式,并由此证明一些概率不等式和更新过程的基本更新定理.