1) partial sums of Adapted stochastic sequence
适应随机变量序列的部分和
2) integrable and adapted random variables
可积适应随机变量序列
3) adapted stochastic sequence
随机适应序列
1.
Strong convergence theorem for arbitrary adapted stochastic sequence;
关于一类随机适应序列的强收敛定理
2.
In this paper,we establish the strong limit theorem for an arbitrary adapted stochastic sequence.
设(Ω,F,P)为概率空间,{Xn,Fn,n 0}为定义在上面的随机适应序列。
4) stochastic adapted sequence
随机适应序列
1.
The strong limit qualities on partial sums of stochastic adapted sequences are studied by Doob Martingale convergence theorem.
利用Doob鞅收敛定理,研究随机适应序列部分和的强极限性质,得到了一类强极限定理和强大数定律。
5) non-equally distributed random variable series
非同分布随机变量序列
6) random variable sequence
随机变量序列
1.
Strong deviation theorems for a class of random variable sequence on Γ-distribution;
一类随机变量序列关于Γ-分布的强偏差定理
2.
Based on introduceing one random variable sequence,the paper delindes bilateral and lower side bitangent random Dirichet series on the Probatility Space (Ω,A,P),discusees the convergence of lower side bitangent Dirichlet series,and establishes the growt.
定义了双侧与下侧二重Dirichlet级数 ;建立了这两类级数所定义的二元整函数f1(s,t) ,F(s ,t)θ线性级与下级 (0 <θ <π2 )的理论 ;通过引进一个随机变量序列 ,在概率空间 (Ω ,A ,P)上定义了双侧与下侧二重随机Dirichlet级数 ,讨论了下侧二重随机Dirichlet级数的收敛性 ,建立了这两类级数所定义的随机整函数f1(s,t,ω) ,F(s,t;ω)的增长性理
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.
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