说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 两两NQD随机变量序列
1)  Pairwise NQD random variable sequence
两两NQD随机变量序列
2)  arrays of rowwise NQD random variables
行为两两NQD的随机变量阵列
1.
Complete convergence and law of large number of arrays of rowwise NQD random variables;
行为两两NQD的随机变量阵列的完全收敛性和大数定律
3)  pairwise NQD sequences
两两NQD序列
1.
The r-order mean consistency for the kernel-type density estimation in the case of pairwise NQD sequences
两两NQD序列密度函数核估计的r阶平均相合性
2.
In this paper,we discuss some limit properties of pairwise NQD sequences,extend Borel-Cantelli lemma,the three series theorem and the strong law of large numbers.
本文研究了两两NQD列的一些极限性质,推广了Borel-Cantelli引理、三级数定理、强大数定律,利用已有的两两NQD列的相关理论,获得了系数(或系数的模)为两两NQD序列的随机Dirichlet级数的收敛横坐标的简洁公式,以及类似于两两独立序列的相关结果。
3.
The present paper presents the Marcinkiewicz s strong law of large number for pairwise NQD sequences with stationary distribution under the condition E│X1│p(log+│X1│p)2<∞.
在附加矩条件E│X1│p(log+│X1│p)2<∞的情况下,给出了与独立同分布情形类似的同分布两两NQD序列的Marcinkiewicz型强大数定律。
4)  linear NQD random sequence
线性NQD随机变量序列
5)  pairwise NQD series
两两NQD列
1.
On the Marcinkiewicz strong law of large numbers for product sums of pairwise NQD series with different distributions;
关于不同分布两两NQD列乘积和的Marcinkiewicz型强大数律
2.
Under certain conditions,to research the strong law of large Number for pairwise NQD series of different distributions,obtained the new results.
研究了在一定条件下不同分布的两两NQD列的强大数定律,得到了新的结果。
6)  pairwise NQD sequence
两两NQD列
1.
Some inequalities and weak law of large numbers for pairwise NQD sequences;
两两NQD列部分和的不等式及弱大数律
补充资料:水文随机变量
      受随机因素影响,遵循统计规律变化的水文变量。水文随机变量在未来任一时刻出现的数值无法准确预测,但能以分布函数(或等价的概率密度函数)来反映其统计规律性,也就是表示其各种数值出现的可能性。分布函数的形式,可根据资料按水文统计学的有关原理和方法予以确定。分布函数与概率密度函数则有如下关系:
  
  式中x为随机变量;F(xp;)为分布函数; f(t;θ)为概率密度函数;为x大于或等于xp这一事件出现的概率;xp称为x的p分位数,或超过概率为p的设计值。上式常以图形的方式表示,称为频率曲线(见图)。
  
  
  确定水文随机变量的分布函数及其所含的参数,是研究水文随机变量的主要目的。水文学中常用的分布函数有以下几种:皮尔逊Ⅲ型分布、对数皮尔逊Ⅲ型分布、对数正态分布、 概化极值分布、 韦克贝分布、克里茨基-门克尔分布等。在中国主要使用皮尔逊Ⅲ型分布。其概率密度函数如下:
  
  x≥α γ0
  式中α、β、γ 为待估参数;Γ(γ )为伽玛函数。三个参数α、β、γ 与随机变数 x的三个主要数字特征值(数学期望Ex、方差σ婌、偏态系数Cs)有一定的关系,可相互推求。这种情况对其他分布也是如此。不过不同的分布,参数与特征值之间的关系不同而已。在参数估计时,有的方法,如极大似然法,是先估计参数α、β、γ ,然后由有关公式可求得相应的Ex、Cv(离势系数)与Cs;有的方法,如矩法或适线法,是先估计出Ex、Cv及Cs,需要时,可由有关公式求出相应的参数值。
  
  确定水文随机变量分布函数的形式,除用上述假设检验的方法外(见水文统计学),还使用导出分布的方法,即考虑水文变量的物理性质并做若干假定,再经推导而得。其中又可分为依据事件的模型和联合概率的模型。由于问题复杂,为便于推导而作的假定常与实际情形相差较远,故此种途径尚处于研究阶段,有时可在缺乏资料的小流域上应用。
  
  

参考书目
   V.Yevjevich, Probability and Statistics in Hydrology,Water Resources Publications,FortCollins,Colorado,1972.
  

说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条