数形结合在一维随机变量函数分布中的教学研究

一维随机变量函数的分布是概率论与数理统计教学的重点与难点,也是全国研究生入学考试的重点与难点.利用分布函数法构造一类适用于求解一维随机变量函数分布的直观解法,该方法基于数形结合思想构建统一方法求解一维随机变量函数的分布.确定了几类适用的场合,给出了3个典型例题的应用过程.     

奇异型随机变量的分布函数

构造奇异型随机变量,比较这类随机变量的分布函数与常见离散型和连续型随机变量分布函数的区别,并讨论这类随机变量分布函数的性质.通过实例给出这类既非离散又非连续型随机变量分布函数间断点的判断方法.     

无穷区间上模糊有界变差函数的(H)积分及数值积分

基于计算模糊随机变量期望的需要,文献[9]定义了无穷区间上的模糊Henstock积分,讨论了(FH)可积的有界模糊数值函数的求积规则,给出了误差估计.考虑到有界变差函数形式的模糊随机变量期望的计算,进一步讲座了无穷区间上模糊有界变差函数Henstock积分的求积公式及误差估计.     

随机变量和的密度函数解法

对于多个随机变量,讨论其和的分布在质量工程和可靠性工程中有重要意义.从一道问题出发,通过几种不同的解决方法,探讨分布函数法在求解二维随机变量函数的密度函数中的应用问题.通过加强分布函数法的教学,改善了学生对随机变量函数的分布这部分教学内容的理解和掌握.     

二维随机变量分布函数的教学思考

<正>分布函数是概率论中的重要内容之一,求分布函数是概率论教学上的难点.求一维随机变量分布函数的方法已经有诸多研究,且已经研究得比较清楚.求二维随机变量分布函数的方法,也有一些学者做过研究.张忠诚等[1]给出了一种较适用的计算二维连续型随机变量分布函数的方法.吴幼明[2]给出了当二维连续型随机变量的密度函数为常数时,求其分布函数的简     

混合型随机变量的实例与分析

通过具体的实例,借助于常见的离散型和连续型随机变量来构造既非离散型也非连续型的混合型随机变量,并揭示这类随机变量的取值规律是如何通过其分布函数来体现的.加深学生对该类随机变量及其分布函数的理解,进而用于解决更多的理论和实际问题.     

概率分布的广义函数表示

把δ函数引入概率密度,置概率分布于广义函数空间,离散型随机变量也能定义分布密度,概率的应用领域因之而拓展.     

在随机变量函数教学中加强分布函数法的教学

针对学生对分布函数法掌握不好的实际情况,指出分布函数法是求连续型随机变量函数分布密度的根本方法,并结合例题对分布函数法的思想和内容做了进一步说明.通过加强分布函数法的教学,以期改善学生对随机变量函数教学内容的理解和掌握,从而收到良好的教学效果.     

边缘分布的教学探索

<正>概率论与数理统计是研究随机现象数量规律的一门数学学科.越来越多的高校和专业把概率论与数理统计列为了大中专学生的必修课,这样,概率论与数理统计的教学就显得尤为重要了.随机变量将样本空间与数值联系起来,使得人们可以用数学的方法来研究随机现象的本质特征.随机变量包括离散型随机变量、连续型随机变量以及奇异型随机变量[1-7].边缘分布是工科概率论与数理统计中一节内容.在学习边缘分布时,学生已经掌握了二维随机变量的联合分布函数和用联合密度函数     

2个独立随机变量函数的分布

获得了2个独立随机变量函数的分布的一般结果.运用此结果,给出了2个独立随机变量和、积和商的分布.     

关于Rao—Cramer不等式

Rao—cramer不等式(以下简称R—C不等式)是概率论与数理统计中的一个重要不等式,在[1],[2],[3]中,都是对连续型随机变量给出的或证明是对连续型随机变量给出的,这是不严格的。本文的主要结果是:对通常教材中给出的R—C不等式加以改进,首先引入概率函数的概念,借助于数字特征这一工具,将R—C不等式的条件抽象化,并给出简捷而严格的证明,此结果对连续型和离散型这两类随机变量都是适用的。     

直觉模糊随机信息系统及其属性约简

信息系统的属性约简是知识发现的核心,将直觉模糊随机变量引入信息系统,定义了直觉模糊随机信息系统．将随机概念推广到直觉模糊模型上,针对直觉模糊随机信息系统的属性约简,给出了直觉模糊随机信息系统下的期望相关关系．基于此关系,讨论直觉模糊随机信息系统属性约简的判定和方法,并通过实际例子分析该法的有效性．     

特征函数在高阶常微分方程特解计算中的应用

通过借助特征函数的导数,得到了非齐次项为特殊函数情形的一类高阶常微分方程的一个特解的一种新的计算方法．运用该方法,还得到了非齐次项为常见情形时方程的一个特解．     

一种基于变精度区分矩阵的不完备信息系统属性约简

基于相容关系把多数包含关系引入不完备信息系统,对容差关系进行了扩充,使之更具有灵活性,在此基础上提出一种能容忍数据中包含噪声的变精度区分矩阵,给出了基于该变精度区分矩阵的一种有效属性约简算法,并通过具体实例验证了该算法.     

均匀离散型随机变量条件数学期望的有限Fourier级数表示

在随机变量X的分布函数为N阶均匀阶跃函数的情形下,获得了：（1）随机变量函数f（x）的Fourier级数表示;（2）条件数学期望E（Y｜X）的Fourier级数表示．     

取有限个离散型随机变量似然估计的两种表达形式

对于离散型随机变量X来说,为了得到它的似然估计,就必须求得概率函数.该文对取得有限个值的离散型随机变量,给出了概率函数的两种表达形式.     

三维随机变量的变量替换定理及应用

给出了三维随机变量的变量替换定理以及相应的推论,这些结论提供了在不同变换下求三维连续型随机变量函数的概率密度的计算公式,实例应用表明,这些公式简便,灵活,实用．     

改进的复值非高斯最大化盲源分离算法

复值非高斯最大化盲源分离算法的收敛速度,受其采用的反双曲正弦函数计算复杂度的影响较大,针对这一问题,提出了一种收敛速度更快的改进型复值非高斯最大化算法。该算法采用一个低计算复杂度的非线性函数替代原算法中的反双曲正弦函数。该函数的计算复杂度是反双曲正弦函数的三分之一。在相同条件下,基于该非线性函数的复值非高斯最大化盲源分离算法的收敛速度相比原算法提高了1倍左右,更适合于对接收信号进行实时处理,而且信号分离误差小,同时该算法同样适用于任意非高斯的常态和非常态信源。仿真试验验证了算法的有效性。     

离散型随机分布和几类Toeplitz矩阵

探讨了概率论中的离散型随机分布与Toeplitz矩阵的关系,给出了已知的几类Toeplitz矩阵是如何从概率论中离散型随机分布中构造出来的,利用如上的思想与方法,从概率论中的超几何分布构造了一类新的Toeplitz矩阵.     

双峰截尾变量的矩界

对具有给定的EXi=mi(i=1,2,3)和双峰的随机变量X∈[0,M],得到截尾变量max(0,X-K)的均值的矩界,以及小值概率的上界.这些问题来源于双峰分布下小值概率及欧氏期权等的研究,所用方法基于控制待估函数和测度变换.