顺序统计量的分布

先用归纳法证明多个顺序统计量的联合分布,接着又根据顺序统计量的联合分布研究单个顺序统计量的分布,最后对其条件分布也做了系统的研究.     

顺序统计量的模型分辨

设ｘ１，ｘ２，…ｘｎ为ｎ个相互独立的随机变量，本文证明了在分布满足一定条件下，第ｋ个顺序统计量ｘ（ｋ）（１≤ｋ≤ｎ）的分布决定了ｘｉ的分布（ｉ＝１，２，…ｎ）。     

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.     

均匀分布顺序统计量差的概率分布

利用多维随机变量的联合分布与边际分布之间的关系,研究了均匀分布的顺序统计量差的概率分布,得到其密度函数、期望和方差.     

关于顺序统计量分布的一种证明

介绍了顺序统计量的概念，并利用多元随机变量的联合分布与边缘分布之间关系，求出顺序统计量的分布，并通过实例加以描述。     

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．     

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。     

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.     

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。     

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.     

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.     

关于样本区间长度的联合分布

设（X1，X2，…，Xn）为服从I=[0，1]上均匀分布的简单随机样本，它们将[0，1]分成（n＋1）个样本区间，以Y0，Y1，…，Yn分别表示这些样本区间的长度．本文讨论Y0，Y1，…，Yn的联合分布及其极限分布．     

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.     

伴随固定边值分布函数的弱收敛

得到了固定秩次序统计量和它的伴随次序统计量联合分布弱收敛的一个充分必要条件,同时给出了一组选定的伴随次序统计量的极大值的分布函数弱收敛的充分条件。     

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.