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。     

求连续型随机变量函数的概率密度

指出《概率论》教材中关于连续型随机变量函数的概率密度公式的一个疏忽之处 ,给出了直接求连续型随机变量函数的概率密度的一般方法     

独立的离散随机变量与连续随机变量之和的分布

本文给出了两个独立的随机变量其中一个离散另一个连续时,其和的分布的卷积公式,以及若干应用。     

二维随机变量函数的概率密度公式

为了简化二维随机变量函数的概率密度的计算,应用积分变换给出了二维随机变量的函数的概率密度的两组计算公式,为求解二维随机变量的函数的概率密度提供了新的方法。该方法较分布函数法简化了运算过程,降低了计算难度。     

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．     

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．     

n个独立同均匀分布的随机变量之和及算术平均的分布

在误差理论中,服从均匀分布的n个独立随机变量之和∑X及算术平均X的概率分布都有着极为重要的地位和作用。然而,瑞典数学家H.Cramer著的《统计数学方法》中,只在独立同均匀分布U(0,1)的特殊情形下给出了∑X的概率分布。苏联数学家Б.B.     

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。     

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.     

连续型二维随机变量线性函数和的概率密度的简单求法

通过对形如Z=ax＋by（ab≠0）的分布函数进行分析，得到了其密度函数fx（z）的表达式，并给予了详细证明．形式简捷、易于求解，结论具有一般性．应用实例表明了其求解的有效性．     

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     

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.     

连续型随机变量函数分布的理论研究

利用分布函数与概率密度函数之间的关系,讨论了二维连续型随机变量的加、减、乘、除等函数分布,研究了常见的二维连续型随机变量函数分布的求解方法.     

密度演化方法在概率分布估计中的应用研究

利用密度演化方法，提出了随机变量概率分布估计的一个新方法．在此方法中，构造一个与基本随机变量相关的虚拟随机过程，使得基本随机变量成为该随机过程的截口随机变量．利用独立随机抽样的样本值，即可获取虚拟随机过程的瞬时概率密度函数，进而获得随机变量的概率密度函数估计．以约束混凝土极限应变的试验与理论预测值之比值为例，进行了概率密度函数估计．     

二维连续型随机变量函数的分布

为了得到二维连续型随机变量函数的分布,利用积分知识,分别推导出了二维连续型随机变量的线性运算、除法、乘积的分布及其概率密度函数,并举例说明此结论在计算二维连续型随机变量函数的分布时是很好用的.     

二维连续型随机变量和的分布的计算

本文给出一种较直观又简洁的计算二维连续型随机变量和函数分布的方法。     

二维连续型随机变量和的分布的计算

本文给出一种较直观又简洁的计算二维连续型随机变量和函数分布的方法.     

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.