Pascal分布的参数估计

对Pascal分布,提出了参数估计的一种新方法——E-Bayes估计法.给出了可靠度的E-Bayes估计的定义,在此基础上给出了可靠度的E-Bayes估计公式,并给出了可靠度的E-Bayes估计的性质——E-Bayes估计和多层Bayes估计的关系.最后,给出了模拟算例,结果表明本文提出的E-Bayes估计法可行且便于应用.

Pascal分布在任意风险的索赔问题中的应用

Pascal分布在任意风险的索赔问题中有着极其广泛的应用，这本身是由其优良特性所决定的。本文主要对其中三个方面的问题进行讨论：第一，Pascal分布在描述风险集体中任意风险的索赔次数时表现为伽玛分布对Poisson分布按参数变化的加权平均。第二，Pascal分布在描述某些风险的累积索赔额时具有复合Poisson分布的形式。第三，Pascal分布是当风险的索赔频率强度之间存在正向传染时索赔次数的分布。

多个服从Pascal分布的随机变量的逆定理

文〈1〉曾经得到了两个相互独立服从Paseal分布的随机变量的逆定理，现在我们把它推广到n个相互独立的随机变量的场合：即。本文的定理2和定理3。

帕斯卡分布展示的教学思想

帕斯卡分布是概率统计中常见的典型分布之一,由其分布列特性可用多种方法计算其期望和方差,而每种方法在现代数学教学中都有不同作用.本文对这几种作用分而论之.

关于两个猜想的证明

文献[1]提出了参数估计的一种新方法—E-Bayes估计法.对Pascal分布,给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了两个猜想,但没有给出证明.本文给出了这两个猜想的证明.

E-Bayes估计渐近性质的证明

随着科学和技术的进步需要有效地改进产品可靠性的评估方法,相关文献提出了参数估计的一种新方法——E-Bayes估计法.对Pascal分布,在两个超参数情形给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了E-Bayes估计的两个渐近性质,但没有给出证明.给出了这两个渐近性质的证明.

Lorenz映射的随机属性

利用概率论和随机过程的方法研究了Lorenz映射随机生成序列的频数分布以及首经分布的问题,并与单峰映射进行了相似性的比较后,进一步对这类相似性给出了理论上的解释.