1) stochastic variable
随机变量，无规变量
2) unbounded random variables
无界随机变量
1.
The tail probability inequalities for the sum of independent undbounded random variables on a probability space (Ω,T,P) were studied and a new method was proposed to treat the sum of independent unbounded random variables by truncating the original probability space (Ω,T,P).
研究了在概率空间 (Ω ,T ,P)上 ,独立的无界随机变量和尾部概率不等式 ,提出了一种用切割原始概率空间 (Ω ,T ,P)的新型方法去处理独立的无界随机变量和· 给出了独立的无界随机变量和的指数型概率不等式· 作为结果的应用 ,一些有趣的例子被给出· 这些例子表明 :文中提出的方法和结果对研究独立的无界随机变量和的大样本性质是十分有用
3) random variables
随机变量
1.
A class of local convergence theorems for the sequence of random variables;
关于一类随机变量序列的局部收敛定理
2.
A conclusion of exchangeable random variables;
有关可交换随机变量序列的一个结论
4) random variable
随机变量
1.
The strong law of large numbers for negatively associated random variables;
一类负相依随机变量序列的强大数定律
2.
On the convergence of the series for the sequence of discrete random variables;
离散随机变量序列的级数收敛性
5) stochastic variables
随机变量
1.
This paper tries a new approach to prove the expectancy formula on the sum of stochastic variables by the distribution of the stochastic variables sum in convolution product formula to avoid the troublesome in inducing the formulas of conditional expectancy and complete expectancy.
用随机变量之和的分布的卷积公式直接给出随机多个随机变量之和的期望公式的证明 ,避免了原有的证明过程需引入条件期望和全期望公式的麻烦 。
6) stochastic variable
随机变量
1.
Stochastic variable X_i following any probability distribution function is mapped to stochastic variable Y_i with standard normal distribution function.
将服从任意概率分布的随机变量Xi映射为标准正态随机变量Yi。
2.
n this paper,mathematical model and its solution method for optimal (1#62 N)stochastic dispatching of resenvoir considering inflow and irrigation flow as stochastic variables and three state spaces are proposed.
本文提出了考虑入库径流和灌溉用水随机特性的二元随机变量、三维状态空间的水库优化调度模型及求解方法，并通过实例计算获得了较满意的结
3.
In the text, major stochastic variables such as f ,c and a and the upstream and downstream water levels that influence the dependability in analysis are discussed.
讨论了影响可靠度分析的主要随机变量如ｆ＇、Ｃ＇、α及坝上下游水位等，并给出了《水工统标》的统计参数。
补充资料：随机变量
| 随机变量 random variable 表示随机现象各种结果的变量。例如某一时间内公共汽车站等车乘客的人数，电话交换台在一定时间内收到的呼叫次数，等等，都是随机变量的实例。 一个随机试验的可能结果（称为基本事件）的全体组成一个基本空间Ω 。 随机变量X是定义在基本空间Ω上的取值为实数的函数，即基本空间Ω中每一个点，也就是每个基本事件都有实轴上的点与之对应。例如，随机投掷一枚硬币 ，可能的结果有正面朝上 ，反面朝上两种 ，若定义X为投掷一枚硬币时正面朝上的次数 ， 则X为一随机变量，当正面朝上时，X取值1；当反面朝上时，X取值0。又如，掷一颗骰子 ，它的所有可能结果是出现1点、2点、3点、4点、5点和6点 ，若定义X为掷一颗骰子时出现的点数，则X为一随机变量，出现1，2，3，4，5，6点时X分别取值1，2，3，4，5，6。 要全面了解一个随机变量，不但要知道它取哪些值，而且要知道它取这些值的规律，即要掌握它的概率分布。概率分布可以由分布函数刻画。若知道一个随机变量的分布函数，则它取任何值和它落入某个数值区间内的概率都可以求出。 有些随机现象需要同时用多个随机变量来描述。例如 ，弹着点的位置需要两个坐标才能确定，它是一个二维随机变量。类似地，需要n个随机变量来描述的随机现象中，这n个随机变量组成n维随机向量 。描述随机向量的取值规律 ，用联合分布函数。随机向量中每个随机变量的分布函数，称为边缘分布函数。若联合分布函数等于边缘分布函数的乘积 ，则称这些单个随机变量之间是相互独立的。独立性是概率论所独有的一个重要概念。 |
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