首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 328 毫秒
1.
在三种不同情况下,对两个随机变量和的分布类型进行了研究,证明了一个离散型随机变量与一个连续型随机变量的和在一定条件下为连续型随机变量,发现两个连续型随机变量的和却不一定是连续型随机变量,而两个非连续型随机变量的和也可能为连续型随机变量.  相似文献   

2.
本文先证明了一个n维随机变量成为正态分布的充分必要条件,以此再进一步证明了一个n维随机变量不是正态分布的充分必条条件,据此我们对正态分布有一个较全面的认识。  相似文献   

3.
服从几何分布的多个独立离散型随机变量其最小值和最大值是一个含有多参数的离散型随机变量.本文证明了其最小值随机变量仍服从几何分布,并给出了最大值随机变量的概率函数、数学期望和方差.  相似文献   

4.
卷积公式有离散型随机变量和连续性随机变量两种形式.文章介绍了卷积公式的另外一种证法,并用其证明了一些分布的可加性,尤其强调了可加性中随机变量相互独立的条件必不可少。  相似文献   

5.
本文给出了数学期望的定义.在曲线分布密度基础上求出了具有函数关系的二维随机变量的数学期望;并证明了随机变量函数的数学期望的定理.  相似文献   

6.
本文用构造反例的方法证明了随机变量序列五种收敛性的不可逆性。  相似文献   

7.
本文讨论了在随机变量Y下相互独立的随机变量序列X_1,X_2…,X_n…的收敛性,给出证明了条件契贝晓夫大数定律。  相似文献   

8.
首先在概率空间(Ω,A,P)上讨论了可测区间值函数,证明了区间值随机变量与二维随机变量的等价性.在此基础上又分别研究了区间值随机变量的可积性与条件期望.这两个性质对研究区间值马氏过程和区间值鞅有很大的帮助.  相似文献   

9.
给出了概率论中所用到的随机变量列的四种收敛性,证明了它们之间的关系.  相似文献   

10.
本文通过运用高等代数中的矩阵方法解决随机变量独立性的判定问题,并且用随机变量的性质证明了高等代数中的两个重要不等式,说明了高等代数、概率论在解决问题过程中的相互渗透,揭示了它们之间的内在联系。  相似文献   

11.
讨论二维连续型随机变量的和、差、积、商分布函数时,可先求出它们的密度函数,然后利用分布函数是密度函数的积分这一关系,即可求出其分布函数。  相似文献   

12.
针对一类状态可分的随机微分系统,在文献[9]的变步长Euler方法的基础上,分离出描述慢变状态的微分方程中的快变状态,特殊处理,减少由其引起的误差,建立了新的变步长Euler方法.理论分析和数值实验证明了新方法的优越性.  相似文献   

13.
将《Pedoe不等式的再推广》一文中的结论推广到p∈[0,2]的情形,并相应给出有关不等式中等号成立的充要条件.  相似文献   

14.
本文针对不同的停时类型讨论了一类典型过程A的对偶可料投影A~之E|A~∞|2的表现,并由此表现得到了它的估计,从而对[1]中相应结论给出了有意义的修正。  相似文献   

15.
本研究一类三阶拟线性常微分方程边值问题解的多重边界层现象。根据不同的层次引用不同的伸长变量,分别构造具有不同量级的边界层校正项,并在适当的条件下,利用微分不等式的理论,证明解的一致有效展开式和有关余项估计。  相似文献   

16.
本文证明了对由随机插入结点而逐渐产生的二叉树进行遍历的递归算法的平均运行时间少于等于(n3+6n2十11n)/18,其中n为树的结点数.  相似文献   

17.
优美图的若干性质   总被引:2,自引:0,他引:2  
刻划了优美图的基本性质 ,给出了某些优美图的具体标号。  相似文献   

18.
提出了计算阶梯形变截面梁弯曲变形的一种新方法.算例表明,本文方法和结果对静定和超静定梁均适用,并且计算简捷,便于应用.  相似文献   

19.
Where two sets of measurements can each be grouped into below average, average and above average classifications with an equal number assigned to each of the below average and above average classifications, a 3 by 3 table can then be tabulated with frequency counts. The exact value of the product moment coefficient of correlation can then be calculated very simply by means of the formula, r = (DIFF)/2m, where DIFF is the difference between the sum of the corner numbers on the positive diagonal and the sum of the corner numbers on the negative diagonal, and m equals the number in each of the below average and above average classifications for each variable. The formula for r is applicable to negative as well as positive correlation.  相似文献   

20.
ABIFURCATIONANALYSISOFTHESTEADY-STATEMODELFORAMULTIJUNCTIONDEVICECaoJuncheng(曹俊诚);WeiTongli(魏同立)(MicroelectronicsCenter)WangY...  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号