变敍的项的联合极限分布

设ξ_1,…,ξ_n是来自总体F(x)的一组简单随机样本,ξ_1~(n)≤…≤._n~(n)是这组样本的变叙,._k~(n)(k=1…,n)称为变叙的项,k/n称为项ξ_k~(n)的秩。变叙的项的序列ξ_(kn)~(n)如满足则称为中间项序列,如满足则称为有极限秩λ的中间项序列。满足或的序列称为边项序列,如     

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.     

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   

随机变量的连续函数的收敛性

在概率论中研究了随机变量序列的几乎处处、依概率、依分布律等各种收敛性。很容易证明,如果 m 维随机变量序列ξ~((n))→ξ,a·e·,而 g 是 m 维空间 R~((m))的子集 D 上的连续函数,且ξ~((n)),ξ只在 D 中取值时 g(ξ~((n)))→g(ξ),a·e·。对于依概率收敛,g 是 R~((m))上的连续     

一类格值集合模型

D.scott建立了集合论的布尔值模型∨~((B)),并且指出人们还可以建立格值集合域∨~((G)),他猜想这样的域∨~((G))可能是直觉主义集合论的模型。本文选取一类特定的格G,并在G上引进一些逻辑词项,形成强蕴涵词的弗晰逻辑,并由之建立格值集合域∨~((G));然后证明这样的域∨~((G))不是直觉主义逻辑的集合论模型,亦即它不满足直觉主义逻辑所要求的某些公理,而满足直觉主义逻辑所拒绝的另外一些公理,进而证明∨~((G))形成了弱谓词逻辑W_2L上的Zermelo集合论的一类模型。     

不分明随机向量

本文是在〔1—2〕讨论了不分明事件及其不分明概率与不分明随机变量的基础上,继续讨论不分明随机向量。§1 不分明随机向量及其不分明分布。定义1.1 如果ξ(ω_λ)(?)(ξ_1(ω_λ),ξ_2(ω_λ),…,ξ_n(ω_λ))是从F 概率空间(Ω,(?)~0,P~0;(?),P)到n 维BorelF 可测空间(R_((n)),(?)~(0(n)),(?)~((n)))上的F 随机变量,则称ξ(ω_λ)为n 维(实) F 随机向量(或称n 元F 随机变量).     

矩限制下次序统计量均值的界

设X_1 X_2…,X_n为随机变量,它们的次序统计量为X_(14)A≤X_(26a)≤…≤X_(n.n),记E(X_(itn))=μ_(iln),当X_1…,X_n有共同的均值μ,方差σ~2时,〔1〕中得出了其次序统计量均值的界,本文在E(X_i)=μ,E|X_i|p=c<∞(p>1)时,得出了相应的结果。特别,如对任p>1.E|X_i|p=c(p)≤k<∞,i=1,2,…时,我们得出     

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。     

基于Weibull分布的次序统计量的随机比较

随机序的比较是对随机变量之间相关关系的一种刻画.在文中将证明:对于独立不同分布的两个Weibull分布样本,当它们共同的形状参数α不超过1时,样本对应的次序统计量之间存在一致的一般随机序,然而,当α大于1时,样本对应的极大值和极小值统计量有着相反的一般随机序.     

多元线性模型中一个协差阵函数的二次估计问题

考虑多元线性模型Y=X_1HX′_2+■,其中■=(ε_((1)),…,ε_((n)))′满足ε_((i)),i=1,…,n独立,ε_((i))～EC_p(0,Σ,φ)即ε_((i))服从椭球等高分布,Eε_((i))=0,Eε_((i))ε′_((i))=(ER~2/p)Σ,其中Σ≥0未知,φ已知且φ(?)Φ_p={φ(·)|φ(t_1~2+…+t_p~2)是一个特征函数},随机变量R≥0,R■φ.在α=ER~4/p(p+2)-(ER~2/p)~2≠0的条件下,对给定的矩阵C=C＇,得出了tr(CΣ)一致(关于Σ≥0)最小方差不变二次无偏估计(简称最优估计)存在的充要条件以及其具体形式.     

S((6/7)~(1/2))类|α_2|和|α_3|限制下的Bieberbach猜测

本文对S((6/7)~(1/2))类限制第二项及第三项系数的Bieberbach猜测进行研究,证明对S((6/7)~(1/2))类当|α_3|<1.81,或|α_3|<2.55时|α_n|相似文献   

关于亚纯函数唯一性的一个定理

本文证明了定理:设f(z)和g(z)是两个非整函数的亚纯函数,如果0,∞是f(z)和g(z)的两个CM分担值,1是f_((z))~((n))和g_((z))~((n))的一个CM分担值,且 那么f_((z))~((n))·g_((z))~((n))≡1或者f(z)≡g(z) (n∈/N)     

相互独立随機变量之和的局部极限定理的一类擴张

引言:设ξ_1,ξ_2,…,ξ_n,…为相互独立,具有相同格子点分布的随机变量,关于和S_n=ξ_1+ξ_2+…+ξ_n(其中n为正整数)的局部极限定理已由B.B.格湼坚克所得到衷谖颐抢磾     

广义指数分布顺序统计量的分布性质

文章在总体服从广义指数分布时,抽取样本X_1,X_2…,X_n,设X_((1)),X_((2)),…,X_((n))为其顺序统计量,研究了(X)_((1)),X_((2)),…,X_((n))的联合概率密度函数;X_((1))和X_((n))的密度函数。进而得到了X_((1))和X_((n))的数学期望和方差,证明X_((1)),X_((2))-X_((1)),…,X_((n))-X_((n-1))不独立且不同分布。     

等角共轭概念的推广

本文将等角共轭概念推广到空间E~n(n≥3)上,并证明了成等角共轭两点的重心坐标满足:(μ＇_1):(μ＇_2):…:(μ＇_(n+1))=((V_1~2))/(μ_1)):((V_2~2)/(μ_2)):…:((V_(n+1)~2)/(μ_(n+1))     

Hilbert空间中独立随机变量序列分布的弱收敛性

讨论了独立随机变量和在Hilbert空间中的某些弱收敛性以及它们所构造的统计量S2n的极限若分布情况.所得结果对金融,保险等经济上与时间有关的问题具有估计、预测的实用价值.     

Copulas于二维样本极值概率积分变换分布分析中的应用

借助于Copula这一工具对在具有联合分布H(x,y)的二维总体(X,Y)经概率积分变换得到的随机变量H(X,Y)的分布函数K(V)给定条件下,求出关于次序统计量X(n)=max{X1,X2,…,Xn}和Y(n)=max{Y1,Y2,…,Yn}经概率积分变换得到的随机变量Hn(X(n),Y(n))的分布函数Kn(v)的方法进行了研究,并找出了Kn(v)不随样本容量n变化的情形,进而得到了较准确地刻画二维R.V相依性的相关性指标Kendall's τ.     

三参数Weibull分布的随机比较

给出了两个相互独立但不同分布的三参数Weibull分布随机变量满足各种随机序时其分布所含参数间的相应关系.也给出了两组相互独立但不同分布的随机变量次序统计量之间的随机序关系.     

基于密度泛函理论对团簇CrPS4的光谱分析

为快速、高效得到物质的谱图数据,利用计算化学方法,根据拓扑学原理,利用密度泛函理论,对团簇CrPS₄ 10种优化构型的红外光谱、拉曼光谱、偶极矩以及极化率进行了分析,并利用构型2~((4))的理论红外谱图与前人所得实际光谱图进行了对比。结果显示：CrPS₄红外光谱的波峰大致分布在300～700 cm^-1范围内,拉曼光谱的波峰范围主要分布在200～700 cm^-1范围内;团簇CrPS₄振动形式为伸缩振动时,其对入射光的吸收强度较大;在频率较低的波段,CrPS₄更易发生红外吸收,在频率较高的波段,更易发生拉曼散射;总偶极矩的排列顺序为2~((2))>6~((4))>4~((2))>3~((2))>3~((4))>4~((4))>1~((2))>2~((4))>5~((4))>1~((4)),偶极矩越大,红外活性越强;极化率大小关系满足5~((4))<1~((4))<6~((4))<4~((...     

Abbe-比长仪的概率密度分布函数

本文探讨阿贝比长仪的概率密度分布函数是否遵循正态分布函数,即 P_(x)=1/(σ(2π)~(1/2)) exp[-((χ-μ)~2)/(2σ~2)]. 一.对一条光谱线进行一系列的等精度测量. 第一“单次”的测量列,N=120次,其测量值见附表(一). 第二“单次”的测量列,N=148次,其测量值省略附表. 二.误差的正态分布在理论上是概率论的中心极限定理的必然结果.但中心极限定理是有条件的,即随机变量的数目要很多;每一个随机变量对总分布的影响很小;且测量是独立的.