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.     

有关正态随机变量函数分布的探讨

讨论了有关正态随机变量函数分布的性质及应用。     

利用可加性求一类独立随机变量和的分布

针对求一类独立随机变量和的分布问题,讨论卷积公式和应用可加性这两种方法的优缺点。指出在一些实际问题中,应用可加性可避免卷积公式的繁难,收到事半功倍的效果,还能达到卷积公式不能达到的目的。     

独立同分布序列部分和之和精确渐近性的一般形式

利用独立同分布序列部分和之和的渐近性质,得到其精确渐近性的一般形式,丰富了独立同分布序列精确渐近性的结果。     

一类条件独立的随机变量和的密度函数与分布函数

给出了一类随机变量函数列i．i．d．的条件,并就一类满足某种条件独立的连续型随机变量序列,给出了其和的密度函数和分布函数．     

关于两两独立的随机变量序列和的强大数定律的简洁证明

本文讨论了两两独立的r．v．序列和的强大数定律，将文[1]中的结论进行了推广。与经典的强大数定律相比，本文的证明过程更简洁，不需要利用Kolmogrov不等式，而且结论更实用，只要求r．v．两两独立。     

关于两两独立的随机变量序列和的强大数定律的简洁证明

本文讨论了两两独立的r.v.序列和的强大数定律,将文[1]中的结论进行了推广。与经典的强大数定律相比,本文的证明过程更简洁,不需要利用Kolmogrov不等式,而且结论更实用,只要求r.v.两两独立。     

有关可交换随机变量序列的一个结论

研究一定相关性条件下可交换随机变量与独立同分布随机变量的结果之间的相似与不同。利用逆鞅、截尾等方法,解决其渐近性质的问题。由于可交换随机变量的基本结构定理De Finetti定理——可交换随机变量无限序列以其尾σ-代数为条件是独立同分布的,因此可交换随机变量应该具有类似于独立同分布随机变量的性质。     

相互独立的离散型、连续型随机变量函数的分布

给出了相互独立的离散型、连续型随机变量的线性运算、除法、乘积的分布,推导出了它们的分布函数、概率密度函数,并举例说明利用此结论计算函数的分布是很好用的.     

U-统计量的Edgeworth展开及其随机加权逼近

探讨了独立样本情形下U－统计量的分布的渐近展开，在较一般的条件下证明其Edgeworth展开的余项之误差可达到o(n^-1/2)，并构造精度为o(n^-1/2)的随机加权逼近。     

几何分布模型下动物总数的Bayes统计推断

利用巴斯卡分布的二项分布的关系，在动物总数有均匀分布和贝塔分布的先验假设条件下，给出了动物总数Ｎ的Ｂａｙｅｓ估计和检验方法。结果表明，Ｎ的置信限和检验统计量只与常用的Ｆ分布相关，因而在实际应用时是简便易行的。     

关于中心极限定理的余项与重对数律之间的关系的一个结果及其应用

设 {Xi,i≥ 1}为一独立随机变量序列 ,E(Xi) =0 ,D(Xi) =σ2 i <∞ ,Sn = ni=1Xi,Bn = ni=1σ2 i,Bn →∞ ,Bn/Bn+ 1→ 1.本文首先在Δn =supx｜P(Sn ≤x Bn) -Φ(x)｜=O((Ψ (x) ) - 1)的条件下证明了重对数律 .其中Φ(x)是标准正态分布的分布函数 ,Ψ (x)是对充分大的x有定义的正值非降函数 .满足∫+∞dxxΨ(x) <∞ .应用上述结果证明 ,对任意独立序列 {Xi,i≥ 1}若liminfBnn >0 ,limsup1n ni=1E(X2 iΨ1(｜Xi｜) <∞ ,则重对数律仍然成立 ,Ψ1(x)与上述Ψ(x)相似 ,但定义域为 [0 ,+∞ ) .     

φ混合样本下的经验似然估计

在强平稳ψ混合相信样本下讨论一般参数的经验似然比估计的求法及其相应的性质，得到了类似独立同分布（i.i.d.)时的结果。     

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。     

决定多维随机变量分布的一个条件

本文提出并证明了由矩数列确定多维随机变量分布的一个条件。     

独立随机变量和的分布

利用有限测度的广义加法公式,对取值在有限区间的n个独立同分布的随机变量的和的分布给出了一种求法.并求出了总体分布为均匀分布、截尾指数分布、截尾Γ分布情况下n个随机变量和的分布.     

独立情形下一阶矩收敛的精确渐近性的注记

假设{X,X i,i≥1}为独立同分布的随机变量序列,记S n=∑n i=1X i.N为标准正态随机变量,利用独立随机变量和的弱收敛定理和尾概率不等式,在拟权函数和边界函数满足适当的条件下,证明了limε→0ε1/s-1∑∞n=n0ψ(n)E{Sn/n-(1/2)-εσgs(n)}+=sσ1-s E N1/s成立的充要条件是EX=0和EX2=σ2.     

Γ分布参数变点的非参数统计推断

对至多一个变点的Γ分布,即X1,…,Xn为一列相互独立的随机变量序列,且X1,…,X[nτ0]i.i.d-Γ（x;ν1,λ1）,X[nτ0]＋1,…,Xni.i.d-Γ（x;2ν,λ2）,其中τ0未知,称τ0为该序列的变点.利用累积和方法给出了检测变点τ0位置的程序,并给出了变点τ0估计^τ的强相合性和强收敛速度.     

基于上记录值Lomax分布的统计推断

基于上记录值,该文讨论了在Lomax分布总体中未知参数、系统可靠度及失效率的极大似然估计,并利用中心极限定理得到了模型参数的近似置信区间.首先,当2个参数的先验分布为混合分布时,在2种损失函数下计算了未知参数及可靠性指标的Bayes估计,并给出了超参数的估计方法;然后,分别用频率方法和Bayes方法对未来的上记录值进行预测;最后,提出了一种模拟上记录值的算法,利用模拟的记录值计算了相关的结果.     

关于事件独立性的研究

为揭示事件独立性的本质,从独立性的定义出发,先对古典概型场合展开讨论,得出两事件相互独立的一个充要条件.而后将结论推广至一般概率空间的场合,并基于所得结论给出一种用于构造独立随机变量序列的具体方法.