Эрланга分布顺序统计量的概率分布及渐近性质

设{Xk,1≤k≤n}独立同分布,X(1),X(2),…,X(n)为其顺序统计量.当总体服从艾拉姆咖分布时,首先得到了其顺序统计量的联合概率密度函数、极端顺序统计量的密度函数,进一步说明了极端顺序统计量的概率密度可以表示为一系列参数不同的伽玛分布密度的线性组合.其次给出了极差Rn的概率分布和高阶原点矩的精确表达式.最后还研究了极端顺序统计量X(1)和X(n)的渐近性质.     

三参数的Pareto分布顺序统计量的渐近分布

设{Xk,1≤k≤n}独立同分布,X1∶n,X2∶n,…,Xn∶n为其顺序统计量.当Xk服从三参数分别为μ,σ,r(μ∈R,σ＞0,r＞0)的Pareto分布时,作者得到了其极端顺序统计量X1∶n和Xn∶n的渐近分布;当k(k＞1)固定时,得到了Xk∶n和Xn-k+1∶n的渐近分布,并且证明其极端顺序统计量X1∶n和Xn∶n是渐近独立的.     

关于Weibull分布顺序统计量的分布性质

设{Xk,1≤k≤n}独立同分布,X(1)≤X(2)≤…≤X(n)为其顺序统计量,当X(k)服从参数为m和η的韦布尔分布时,得到了其顺序统计量的联合概率密度函数和极端顺序统计量的密度函数,进一步得到X(1)和X(n)数学期望与方差的表达式。此外还证明了当参数m≠1时,X(1),X(2)-X(1),…,X(n)-X(n-1)不独立且不同分布;当参数m=1时,X(1),X(2)-X(1),…,X(n)-X(n-1)独立但不同分布。     

Kumaraswamy分布顺序统计量的数字特征及渐近性质

设{Xk,1≤ k ≤n}独立同分布,X（1）,X（2）,······ X（n）为其顺序统计量,当总体服从Kum（λ,φ）分布时,得到了其顺序统计量的联合概率密度、极端值顺序统计量的概率密度和k阶矩的表达式.此外还研究了极端值顺序统计量X（1）和X（n）的渐近分布。     

三参数的Pareto分布顺序统计量的分布性质

设(Xk,1≤k≤n)独立同分布,X1:n,X2:n,…Xn:n为其顺序统计量,当X4服从三参数分别为μ,δ,γ(μ∈R,σ>0,r>0)的Pareto分布时,得到了(X1:n,X2:n,…,Xn:n)的联合概率密度函数,以及Xk:n (1≤k≤n)的密度函数,从而进一步得到Xk:n的q(q<1/r为正整数)阶原点矩E(Xqk:n)的精确表达式.证明了其顺序统计量的样本间隔X1:n,X2:n,-X1:n,…,Xn:n -Xn-1:n不独立,且不同分布.此外还研究了其极端顺序统计量 X1:n和Xn:n的渐近分布.     

关于χ^2分布顺序统计量的分布性质

设{Xk,1≤k≤n}独立同分布,X(1)≤X(2)≤…≤X(n)为其顺序统计量,当Xk服从自由度为n的χ2分布时,得到了(X(1),X(2),…,X(n))的联合概率密度函数,以及X(1)和X(n)的密度函数,从而进一步得到X(1)和X(n)的数学期望与方差的表达式.此外,还证明了X(1),X(2)-X(1),…,X(n)-X(n-1)不独立,且不同分布.     

关于帕雷托分布顺序统计量的分布性质

设{Xk,1≤k≤n}独立同分布,X(1),X(2),...,X(n)为其顺序统计量.当Xk服从参数为r(r＞0)的帕雷托分布时,得到了(X(1),X(2),...,X(n))的联合概率密度函数,以及X(1)和X(n)的密度函数.从而进一步得到X(1)和X(n)的数学期望与方差的表达式.此外还证明了X(1),X(2)-X(1),...,X(n)-X(n-1)不独立,且不同分布.     

两参数逆威布尔分布顺序统计量的矩及渐近分布

设{X_k,1≤k≤n}独立同分布,X_((1)),X_((2)),…,X_((n))为其顺序统计量,当总体服从参数为(m,η)的逆威布尔分布时,得到其顺序统计量的概率密度、高阶矩和方差的表达式.证明了样本间隔不独立且不同分布,当k(k1))固定时,得到顺序统计量X_((n-k+1))和X_((n))的渐近分布,最后给出一个关于并联系统寿命的应用实例.     

关于Gamma分布顺序统计量的分布性质

设{Xk,1≤k≤n}独立同分布,X(1),X(2),…,X(n)为其顺序统计量.当Xk服从参数为λ(λ0)和r(r为正整数)的Gamma分布时,得到(X(1),X(2),…,X(n))的联合概率密度函数,及X(1)和X(n)的密度函数.从而进一步得到X(1)和X(n)的数学期望与方差的表达式.证明当r≠1时,X(1),X(2)-X(1),…,X(n)-X(n-1)不独立,且不同分布.     

关于次序统计量的联合分布与应用

设总体X具有连续的分布函数F(x)以及概率密度f(x),X(1),X(2),…,X(n)为次序统计量.得到了任意k个次序统计量的联合密度的一般形式.     

双截尾的Cauchy 分布顺序统计量的渐近分布

设 {X_k, 1 ≤k ≤n}独立同分布, X_1:n, X_2:n, … , X_n:n为其顺序统计量。当 X_k服从参数为 A 和 B(A1:n和X_n:n的渐近分布; 当 k(k>1)固定时,得到X_n:n和X_n-k+1:n的渐近分布; 并且证明其极端顺序统计量X_1:n和X_n:n是渐近独立的。     

幂分布次序统计量的性质及渐近分布

设随机变量X服从参数为a的幂分布,X1∶n,X2∶n,…,X n∶n为其次序统计量,得到了参数a的置信区间以及X1∶n和X n∶n的渐近分布;当k(k>1)固定时,得到了X k∶n和X n-k+1∶n的渐近分布.     

关于幂分布顺序统计量的分布性质

本文给出了幂分布顺序统计量的联合密度函数,以及极值顺序统计量的密度函数,从而进一步得到极值的数学期望与方差的表达式.此外还证明了X(1),X(2)-X(1),…,X(n)-X(n-1)不独立,且不同分布.     

任意两个秩序统计量的联合分布

设X(1),…,X(n)是来自于一个连续分布总体的随机样本X1,…,Xn的秩序统计量,给出了任意两个秩序统计量的联合分布函数和联合密度函数的推导证明,从而为其进一步应用打下了基础.     

次序统计量分布的参数识别

设x_1,x_2,…,x_n是n个相互独立的随机变量,第k个(1≤k≤n)次序统计量x(k)的分布是否能唯一决定每个随机变量x_i(i=1,2,…,n)的分布,当k=n时,Anderson TW等对一定类型的随机变量作出了肯定的回答。本文将对一定类型的相互独立同分布(i.i.d.)的随机变量,研究k为任意正整数(1≤k≤n)时上述提出的问题。     

拉普拉斯分布顺序统计量的分布性质

设{Xk，1≤k≤n}独立同分布，X（1），X（2），…，X（n）为其顺序统计量．当Xk服从参数为λ（λ〉0）和μ（μ为实常数）的拉普拉斯分布时，得到了（X（1），X（2），…，X（n））的联合概率密度函数，以及X（1）和X（n）的密度函数．从而进一步得到X（1n）和X（n）的数学期望与方差的表达式．此外还证明了X（1），X（2）—X（1），…，X（n）-X（n-1）不独立，且不同分布．     

岭回归中影响子集的探测

这篇论文提供了岭回归申影响子集探测的一个新途径,并且研究了试验点(X,Y)和(X,Y)对β的估计(K)=(X′X+KI)~(-1)X′y(0≤K<+∞)的联合影响。定义了新的统计量 R_1~(k),建立了 R_1~(k)与 cook 统计量之间的精确关系。     

变叙的项的联合分布的极限

§1.引言让X表分布律为F(x)的一随机变量。按其大小编排X的n个独立试验结果,便得到所谓变叙:比值k/n叫作变叙的项(?)_k的秩。如果n→∞时,k/n的极限存在且等于λ(0≤λ≤1),我们称λ为极限秩,当λ等于0或1时,项(?)_k称作边项,否则称作中间项。关于项(?)_k(1≤k≤n)的分布的极限问题以及两个项(?)_(k1),(?)_(k2)(1≤k_1相似文献   

关于指数分布的顺序统计量分布性质

探讨了指数分布的顺序统计量的一些重要分布性质.证明了X(1),X(2),…,X(n)不相互独立,且不服从同一分布,但X(i),X(j)满足TP2依赖,对于任何i＜j,RTI(X(j)｜X(i))和LTD( X(i)｜ X(j))).X(1),X(2)满足RCSI.此外,计算了X(1)和X(n)的数学期望和方差,说明了它...     

最大最小顺序统计量的相关结构

(X_1,Y_1),(X_2,Y_2),…,(X_n,Y_n)为来自二维总体(X,Y)的简单随机样本,(X,Y)具有分布函数H(x,y),X(1)=min1≤i≤n{X i},X(n)=max1≤i≤n{X i},Y(1)=min1≤i≤n{Y i},Y=(28)max1≤i≤n{Y i}﹒利用Copula研究了(X(1),Y(n))、(X(1),Y(1))及(X(n),Y(n))的相关结构,并举例说明了其应用﹒事实表明,最大最小顺序统计量的相关结构包括常见的积Copula和FGM等,为构造Copula提供了新思路﹒