非1-1对应时连续型随机变量函数的概率密度

现有的求解连续型随机变量函数的概率密度公式,要求随机自变量X的取值域(或经划分后各子域)与在变换y=g(x)下的值域1-1对应。这个条件是苛刻的,许多变换函数都不满足。文中推出了取消这个条件后,连续型随机变量函数的概率密度求解公式,并进行了应用举例,使得更多的连续型随机变量函数的概率密度得以求解。     

运用Newton微元法求解概率密度函数

利用Newton微元法求连续型随机变量函数的概率密度,可使其与求离散型随机变量函数的概率分布的计算方法相统一,因而这种方法更直观简单,尤其在求解复杂的随机变量函数的概率密度时,此方法更胜一筹.     

二维连续型随机变量函数的概率密度公式的推广

借助二重积分的变量代换证明了二维连续型随机变量函数的概率密度的统一计算公式,利用此公式可便捷地导出各类卷积公式,特别是随机变量的四则运算的概率密度.     

离散型随机变量的概率密度函数及其应用

利用单位脉冲函数定义了离散型随机变量的概率密度,给出离散型随机变量与其独立的连续型随机变量和分布的计算公式,且证明其和分布不可能为正态分布。     

独立随机变量之和的概率密度求解难点及对策

介绍了两个相互独立的连续型随机变量之和的概率密度的计算难点及求解对策，提出一种用于计算概率密度的方法，该方法直观自然，计算方便快捷，准确，易于掌握，消除了直接计算时被积函数解折式难以准确确定的麻烦。     

二维连续型随机变量独立性的判定

给出了二维连续型随机变量独立性的一个判定定理、两个推论,并举例说明用此结论判断二维连续型随机变量的独立性时,不需要计算边缘密度函数,只从联合概率密度的形式上就能判断出X与Y的独立性。     

连续型随机变量的概率密度函数和独立性

连续型随机变量在分布函数的非连续导数点,如何求概率密度函数值,如何判定两个连续型随机变量的独立性,是有研究价值的问题。结合实例分析得出结论:在分布函数的非连续导数点是有限个或可列个时,只要将概率密度函数适当补充定义,使之在负无穷到正无穷之间有定义,即可满足要求;两个连续型随机变量,必须在一个非零测度集上满足联合概率密度函数不等于两个边缘概率密度函数的乘积时,才能说明二者不独立。     

独立随机变量之和的概率密度求解难点及对策

介绍了两个相互独立的连续型随机变量之和的概率密度的计算难点及求解对策．提出一种用于计算概率密度的方法．该方法直观自然、计算方便快捷、准确、易于掌握．消除了直接计算时被积函数解析式难以准确确定的麻烦．     

微分法在求多维连续型随机变量函数的概率密度中的应用

多维连续型随机变量的分布函数F（x1,…，xn)与密度函数f(x1,…,xn)的关系是δ^n/δx1…xnF(x1,…，xn)＝f(x1,…,xn)，dF(x1,…，xn)dx1…dxn。利用这一关系给出了用微分法求多维连续型随机变量函数的概率密度的方法及实例，在许多情形下，它比通常的方法要简单一些。     

微分法在求多维连续型随机变量函数的概率密度中的应用

多维连续型随机变量的分布函数F(x1 ,… ,xn)与密度函数f(x1 ,… ,xn)的关系是 n x1 … xnF(x1 ,… ,xn) =f(x1 ,… ,xn) ,dF(x1 ,… ,xn) =f(x1 ,… ,xn)dx1 …dxn.利用这一关系给出了用微分法求多维连续型随机变量函数的概率密度的方法及实例 ,在许多情形下 ,它比通常的方法要简单一些     

常用概率分布间的关系

随机变量的概率分布是概率论和数理统计教学中的最基本的概念,在初级教程中一般都是孤立地阐述各种概率分布．为使学生建立起常用概率分布之间的联系,本文对常用8种离散型概率分布和15种连续型概率分布的关系加以讨论,主要概括归纳成4种关系,分别是由极限、变换、独立同分布的和以及特殊情形生成的关系．并在讨论它们关系的基础上,建立起分布间的关系图来进一步阐述,以加深理解．并对该关系图的建立过程加以说明．     

随机变量函数的分布问题

研究n个随机变量函数的分布问题。(1ξ,2ξ,…,nξ)是n维连续型随机变量,n元函数y=f(x1,x2,…,xn)有连续的一阶偏导数,对n个随机变量1ξ,2ξ,…,nξ的函数η=f(1ξ,2ξ,…,nξ),给出了η的密度函数φη(y)的分析式。从根本上解决了随机变量函数的分布问题。     

连续型全概率公式及其应用

利用随机事件的全概率公式,分别给出连续型随机变量的一类全概率公式.通过应用实例着重说明了连续型全概率公式的应用.     

三维随机变量在长方体内取值概率公式的一种证明

本文给出了二维随机变量在长方形内取值概率公式的一种新的证明方法，比已有证明直观、易懂，并用这种方法给出了三维随机变量在长方体内取值概率公式的证明．     

一维与二维连续随机变量的函数的分布

现行“概率论与数理统计”教材中关于一维与二维随机变量函数的概率分布讲法上不够简练,在系统性上有欠完备,试图给出一定改进及讲法更新方面的一些建议.其中心内容是对一维随机变量单调函数的概率密度函数避免用积分表示,直接用复合函数求导方法推出;对非单调函数用划分单调区间办法给出函数概率密度的一般表达式;对二维变量试图用二维换元法给出推算二维函数分布的统一方法.     

基于经验数据的机械零件模糊可靠性分析随机抽样法

文章讨论了根据专家经验获取模糊变量隶属函数,再对机械零件进行可靠性分析的方法。首先对专家提问,请专家按要求对变量可能的取值做出描述,给出相应的区间和隶属度,从而把他们对变量取值的定性认识转化为定量信息,再通过对这些定量信息进行数学处理建立变量的隶属函数;然后把模糊变量转化为当量随机变量,用传统可靠性理论中的随机抽样法模拟零件的可靠度;最后通过算例验证了方法的可行性和有效性。     

随机系统的相似性及其度量

对确定系统相似性的理论和应用研究已经取得了不少成果;并且随着概率论与数理统计的快速发展,其在系统工程方面的应用也有了较大的突破,这使得仅仅研究确定性系统是不够的,文章在利用概率论的思想给出随机系统的相关定义基础上给出随机系统相似性的定义及其度量,并给出了实例的讨论。     

关于二维随机变量概率密度函数算法的一点补充

本文通过对概率论中有关公式的探讨,给出了二维随机变量函数的密度函数的新的计算公式,为其计算提供了新的办法.     

随机变量函数的独立性的一个充要条件

给出了随机变量的函数任意部分独立，但整体不独立的一个充要条件。     

独立随机变量偶次幂之和的极限定理

设{Xi}为相互独立的随机变量序列，研究了更一般的Sn(k)=∑i=1 n Xi^k,(k≥2的偶数)的极限定理，并且推广了文[1]的结论．