复合LINEX损失下k阶Erlang分布参数的Bayes估计

在复合LINEX对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计和E-Bayes估计,并且通过随机模拟检验参数的Bayes估计和E-Bayes估计的合理性和优良性,结果表明:在复合LINEX对称损失函数下,k阶Erlang分布参数的Bayes估计和E-Bayes估计都是合理的,但是E-Bayes估计的精度更高。

复合Mlinex对称损失下k阶Erlang分布参数的Bayes估计

在Mlinex损失函数基础上定义了复合Mlinex对称损失函数;在复合Mlinex对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计、E-Bayes估计及多层Bayes估计,并证明了其容许性;最后通过MATLAB模拟检验了参数的3种Bayes估计的合理性和优良性。

k阶Erlang分布的Pearson-χ2距离

研究k阶Erlang分布,给出两个k阶Erlang分布之间的Pearson-χ2距离与Pearson-χ2最大距离的表达式,讨论两个k阶Erlang分布之间的Pearson-χ2距离与Pearson-χ2最大距离的渐近情况,结果表明其与两个指数分布之间的Pearson-χ2最大距离有相同渐近性。比较两个k阶Erlang分布之间的Pearson-χ2距离与两个指数分布之间的Pearson-χ2距离,推导两者之间的关系式。

不同损失下k阶Erlang分布参数的Bayes估计

研究了k阶Erlang分布参数的Bayes估计问题.给出了该分布参数的极大似然估计,分别在平方损失、二次损失、Linex损失、熵损失、对称熵损失和平衡损失函数下给出了参数的Bayes估计的表达式,并运用随机模拟方法对各个估计进行了比较.

MLINEX损失下k阶Erlang分布参数的Bayes估计

在MLINEX损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计,并证明其容许性.给出了在MLINEX损失下得到了k阶Erlang分布参数的Bayes估计的精确表达式,并且通过随机模拟检验参数Bayes估计的合理性和优良性.

k阶Erlang分布参数单变点的贝叶斯估计

利用贝叶斯方法研究了k阶Erlang分布参数单变点模型,得到该分布的似然函数.利用Fisher信息矩阵选取无信息先验分布,从而得到每个参数的满条件分布.使用Gibbs抽样与M-H算法相结合的MCMC方法对各参数进行随机模拟得到贝叶斯估计.模拟结果表明,各参数的估计值的精度在较高水平上都是有效的.

两个k阶Erlang分布之间的Kullback-Leibler距离

研究k阶Erlang分布,给出了两个k阶Erlang分布之间的Kullback-Leibler距离、Kullback-Leibler最小距离和最大距离的表达式,并且讨论了这三个距离的渐近情况,结果表明三个距离的渐近性相同.比较了两个指数分布之间Kullback-Leibler距离与两个k阶Erlang分布之间的Kullback-Leibler距离,并找到两者之间的关系.

离散型分布K阶中心矩的递推公式

文章根据微分学的思想，通过对二项分布的松分布和几何分布Ｋ阶中心矩中的某个参数求导的方法，推导出这三个分布含有微分形式的Ｋ阶中心矩递推公式，并根据这三个分布Ｋ阶中心矩递推公式中存在的共性。

常见离散型分布K阶原点矩的统一递推公式

分别对二项分布、泊松分布和几何分布的k阶原点矩中的相应参数求导数 ,推出了它们的k阶原点矩的递推公式 ,然后分别对其进行恒等变形 。

离散型分布K阶原点矩的递推公式

文章通过对二项分布、泊松分布和几何分布Ｋ阶原点矩中的某个参数求导的方法，推导出这三个分布含有微分形式的递推公式，并根据这三个递推公式共性的分布，得到一般形式的Ｋ阶原点矩的递推公式。

Bernoulli试验中k阶概率分布的众数

分别讨论了k阶负二项分布NB_k(r,p)当参数p=0.5,k=2时的众数及k阶Poisson分布P_k(λ)在参数λ和k取某些特定值时的众数.同时提出一个关于k阶二项分布B_k(n,p)众数的猜想.

基于拟平稳分布的随机服务系统k阶繁忙期研究

为深入研究随机服务系统的"繁忙期",基于拟平稳分布对其进行探讨。利用生灭过程的拟平稳分布概率特性,得到某个确定初始状态下生灭过程的平均灭绝时间,依据它和随机服务系统平均k阶繁忙期概率分布的相似,得到结果,并以实例进行模拟验证。结果表明:该模型进一步拓展了拟平稳分布的应用空间,能为深入研究随机服务系统的"繁忙期"提供参考。

k阶几何分布数学期望的新算法

近15年来，各种k阶离散分布被引入，分布间的相互关系被研究，在此提出利用条件数学期望的相关理论计算出关于k阶几何分布的数学期单的新算法。

独立不同分布的随机变量和的k阶矩

文章计算了一种推广的范德蒙行列 ;并运用此结果计算了独立不同分布的随机变量和密度函数及其 k阶矩 .

一种瑞利分布k阶原点矩的计算方法

瑞利分布作为雷达杂波最基本的非高斯分布模型,广泛应用于雷达建模与分析.针对服从瑞利分布的随机变量的k阶原点矩闭解式的求解问题,通过递推思想,导出了服从瑞利分布的随机变量的k阶原点矩的解析式,在此基础上得到了在雷达中常用的一阶、二阶、三阶和四阶原点矩.最后通过Monte Carlo仿真,验证了理论分析结果的正确性,为雷达杂波服从瑞利分布时的参数估计和杂波建模等提供了理论支撑.

k阶最近邻距离混合点过程分解模型的适用性判断条件的修正

对k阶最近邻距离混合点过程分解模型的判断条件进行修正,使该模型的适用范围更接近于真实.数值试验发现,参数R的理论值较大或者较小均不影响模型适用范围的判断条件.对适用范围的理论临界值可能产生影响的主要是该临界值附近的R.分析临界值及其附近R与相应的理论值之间的差异,结合计算值,对所确定的临界值进行修正.结果发现:修正后的临界值一般都小于原临界值;无论临界值是否修正,点的个数对临界值的影响相似,即数据点数目较少时,临界值较大,数据点数目较大时,临界值较小;临界状态下,k的初始有效值基本随着数据点数目的增加而有所增加.

具有变系数的时间分布阶扩散方程的高效新混合有限元逼近

运用新混合有限元方法分析含有变系数的二维时间分布阶扩散方程.首先,利用Gauss积分对分布阶算子进行逼近,将问题转化为一个多项时间分数阶偏微分方程.其次,利用修正的L1格式和协调的新混合元(双线性元Q_(11)(K)与Q_(01)(K)×Q_(10)(K))以及中间变量p,构造了其全离散逼近格式,又由混合元的相关性质,给出了全离散格式的稳定性分析.最后,借助于双线性元和Q_(01)(K)×Q_(10)(K)元的高精度结果及插值后处理技术得出了超逼近和超收敛结果.

k阶记录值的一些Extropy性质

在给出k阶记录值Extropy的表达式后,讨论了k阶记录值的Extropy的对称性和单调性.然后证明了指数分布可以通过k阶记录值的Extropy来刻画.不仅如此,还证明了指数分布k阶记录值的Extropy在一定范围内可以取得最大值.

随机变量k阶矩的递推公式

本文利用合参变量积分的理论求随机变量的ｋ阶矩，不仅避免了繁杂的积分计算，而且还给出了几种重要的随机变量ｋ阶矩的递推公式。具有一定的理论意义和实用价值。

逆Lomax分布的图像特征

相比Lomax分布,逆Lomax分布可以模拟失效率为非单调形状的数据。针对逆Lomax分布,详细推导证明了其密度函数、失效率函数和平均失效率函数的形状特征,并给出了相应的图像。发现当0<α≤1时,其密度函数、失效率函数和平均失效率函数均为严格单调递减;而当α>0时,均为“倒浴盆”形。同时,也说明了逆Lomax分布的k阶矩不存在。