离散型随机变量的K阶矩

对离散型随机变量的k阶矩进行了研究,给出了几类离散型随机变量的k阶原点矩的统一递推公式,得到了离散型随机变量的k阶原点矩的形式特征.     

论两种类型随机变量独立和的分布

给出了一种求离散型随机变量与连续型随机变量之和的概率分布的方法,并举例说明之.     

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.     

二维离散型随机变量相互独立的判别准则

在二维随机变量独立性定义的基础上,根据联合概率分布与边缘概率分布的关系,给出了二维离散型随机变量独立性的判定定理;通过引入联合概率分布矩阵概念,从矩阵形式、矩阵的秩以及向量线性关系的角度,提出了判别独立性的新方法.     

两种类型随机变量之和的分布

给出了一种求服从均匀分布的随机变量与离散型随机变量之和的概率分布的方法,并举例说明之．     

一类离散型随机变量高阶原点矩的递推计算方法

考虑到直接用定义计算随机变量高阶原点矩的复杂性,将组合数学中两个重要的组合恒等式ni=n-1i-1+n-1i和ini=nn-1i-1应用到一类离散型随机变量高阶原点矩的计算中,给出了二项分布、负二项分布和超几何分布随机变量高阶原点矩的递推计算公式.     

一类联合概率分布的构造方法

本文给出了构造ｎ个取值有界的离散型随机变量中的任意ｒ（２＜ｒ＜ｎ－１）个相互独立，但这ｎ个随机变量不相互独立的ｎ元联合概率分布的一般方法。     

分组截尾数据下离散型寿命概率分布的估计方法

目前针对离散型未知寿命分布的分组数据研究较少．为避免求解复杂的非线性极大似然方程组,由加入拉格朗日乘子的似然方程组中推导具有递推关系的概率分布计算公式,并通过退化的单区间模型得到P1的极大似然估计,从而完成概率分布律Pi的递推计算．实验说明该方法有效．     

数学期望在体育比赛中的应用

文章介绍了离散型随机变量数学期望的概念。并利用离散型随机变量对NBA季后赛火箭对爵士的比赛场数进行预测,最后给出预测结果;另外,就乒乓球比赛中的两种赛制,以中国队和韩国队为例,利用离散型随机变量分析不同赛制对中国队的优劣。     

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。     

可以定义任何类型随机变量的概率空间

本文研究能定义任何类型随机变量的概率空间,得到了下面的结果:如果在概率空间(Ω,■,P)上存在一个分布函数连续的随机变量,那未在这个概率空间上可以定义任何类型的随机变量。     

邻域数的依概率ρ—级发散性

本文先提出了随机变量序列依概率ρ－级发散的概念，讨论了这种发散与通常的依概率发散的关系；在第二节，定义了d－维总体的邻域数，并给出了它作为一维离散型随机变量依概率ρ－级发散的条件，该条件不依赖于总体的分布，因此定理对一切总体均成立。     

二维多态联合概率分布及信息传输理论研究

根据不相关性与独立的等价概念,给出了有限离散随机变量的二维联合概率分布的一种描述方法.将两点值的情况推广到多点离散值的情况,当给出两个随机变量的边缘分布及合适的有限阶幂互协方差函数(或高阶相关系数)时,可得两维联合概率分布列,使两个随机变量的不相关性与独立性有一系统地描述和一个完整的表达形式.经过仿真验证了此方法的有效性.将得到的表示形式应用在数据信道通信的分析中,用信道两端的相关系数来描述输入输出的信息耦合,对信息理论是一个很好的补充.该方法与信息论中的平均互信息、数据处理定理相对应,得到非常美观的公式及非常理想的特性.     

差分算子在概率论中的应用

概率论中有关离散型随机变量的矩的推导公式，特别是高阶矩的推导比较繁杂，本文通过差分算子的一些基本性质，给出离散型随机变量的各阶矩的一个统一的推导公式．     

随机变量的独立性及其一个充要条件

随机试验的独立性、随机事件的独立性、随机变量的独立性均是概率统计中的重要概念,不少学者都在这些方面有所讨论。本文作者就二维离散型随机向量(ζ,η)中两个分量ζ与η的相互独立性展开讨论。先是证明了三个引理,其中引理1在一般概率论教科书中均有介绍,但为使读者方便,作者也作了证明。引理2,求出了三个条件概率P{(ζ=Xi,η=Yj)/B}、P{(ζ=Xi+1,η=Yj)/B},P{(ζ=Xi+1,η=Yj+1)/B},其中B={(ζ=Xi或Xi+1,η=Yj或Yi+1)},在引理3中求出了三个条件数学期望E(ζη/B)、E(ζ/B)、E(η/B),利用三个引理证明了二维离散型随机变量(ζ,η)中ζ与η相互独立的充要条件为:P(ζ=Xi,η=Yj)=Pij>0,E(ζη/B)=E(ζ/B)E(η/B)。     

正态云模型的重尾性质证明

正态分布和重尾分布在概率研究中具有非常重要的地位,二者具有完全不同的数学形式和物理意义。正态分布的密度函数以指数函数衰减至0,服从正态分布的随机变量,其绝大多数取值在其期望附近,偏离期望很大的取值很少。而服从重尾分布的随机变量,其尾分布函数具有重尾特性,密度函数以幂指数衰减至0。笔者证明了正态云模型是具有均值的重尾分布,是介于正态分布与重尾分布之间的中间状态,正态云模型的参数超熵He是可以实现正态分布向重尾分布转换的桥梁。     

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．     

离散时间风险模型有限时间破产概率的一致估计

研究净损失是二元上尾独立同分布,并且分布函数是D∩L类的离散时间风险模型,得到离散时间风险模型有限时间破产概率的一致估计。