0 0

By my-assignmentexpert, my-assignmentexpert probability theory 数学代写概率论 2023年4月11日

代写隐藏

1 数学代写|概率论代考Probability Theory代写|CHARACTERIZATIONS USING CONDITIONAL EXPECTATIONS

2 数学代写|概率论代考Probability Theory代写|CHARACTERIZATION BY INDEPENDENCE PROPERTY

3 概率论代写

3.1 数学代写|概率论代考PROBABILITY THEORY代写|CHARACTERIZATIONS USING CONDITIONAL EXPECTATIONS

3.2 数学代写|概率论代考PROBABILITY THEORY代写|CHARACTERIZATION BY INDEPENDENCE PROPERTY

如果你也在怎样代写概率论Probability Theory 这个学科遇到相关的难题，请随时右上角联系我们的24/7代写客服。概率论Probability Theory作为统计学的数学基础，对许多涉及数据定量分析的人类活动至关重要。概率论的方法也适用于对复杂系统的描述，只对其状态有部分了解，如在统计力学或顺序估计。二十世纪物理学的一个伟大发现是量子力学中描述的原子尺度的物理现象的概率性质。

概率论Probability Theory STAT131的核心课题包括离散和连续随机变量、概率分布和随机过程（为非决定性或不确定的过程或测量量提供数学抽象，这些过程或测量量可能是单一发生的，或以随机方式随时间演变）。尽管不可能完美地预测随机事件，但对它们的行为可以有很多说法。概率论中描述这种行为的两个主要结果是大数法则和中心极限定理。概率论是与概率有关的数学分支。虽然有几种不同的概率解释，但概率论以严格的数学方式处理这一概念，通过一组公理来表达它。

同学们在留学期间，都对各式各样的作业考试很是头疼，如果你无从下手，不如考虑my-assignmentexpert™！

my-assignmentexpert™提供最专业的一站式服务：Essay代写，Dissertation代写，Assignment代写，Paper代写，Proposal代写，Proposal代写，Literature Review代写，Online Course，Exam代考等等。my-assignmentexpert™专注为留学生提供Essay代写服务，拥有各个专业的博硕教师团队帮您代写，免费修改及辅导，保证成果完成的效率和质量。同时有多家检测平台帐号，包括Turnitin高级账户，检测论文不会留痕，写好后检测修改，放心可靠，经得起任何考验！

数学代写|概率论代考Probability Theory代写|CHARACTERIZATIONS USING CONDITIONAL EXPECTATIONS

Suppose $\left{\mathrm{X}_{\mathrm{i}}, \mathrm{i}=1,2, \ldots\right}$ be a sequence of independent and identically distributed random variables with cdf $F(x)$ and pdf $f(x)$. We assume $E\left(X_i\right)$ exists. Let $X(\mathrm{n}), \mathrm{n} \geq 1$ be the corresponding upper records. We have the following theorem for the determination of $F(x)$ based on the conditional expectation.
Theorem 9.1.1. The condition
$$
E(\psi(X(k+s) \mid X(k)=z)=\mathrm{g}(\mathrm{z})
$$

where $\mathrm{k}, \mathrm{s} \geq 1$ and $\psi(\mathrm{x})$ is a continuous function, determines the distribution $\mathrm{F}(\mathrm{x})$ uniquely
Proof.
$$
E\left(\psi(X(k+s) \mid X(k)=z)=\int_z^{\infty} \frac{\psi(x)(R(x)-R(z))^{x-1}}{\bar{F}(z)} f(x) d x\right.
$$
where $\mathrm{R}(\mathrm{x})=-\ln \bar{F}(x)$.
Case $s=1$
Using the equation $(9.1 .1)$, we obtain
$$
\int_z^{\infty} \psi(x) f(x) d x=g(z) \bar{F}(z)
$$
Differentiating both sides of (9.1.2) with respect to $\mathrm{z}$ and simplifying, we obtain
$$
r(z)=\frac{f(z)}{\bar{F}(z)}=\frac{g^{\prime}(z)}{g(z)-\psi(z)}
$$
where $r(z)$ is the failure rate of the function. Hence the result.
If $\psi(x)=x$ and $\mathrm{g}(\mathrm{x})=a \mathrm{x}+\mathrm{b}, a, \mathrm{~b} \geq 0$, then
$$
r(x)=\frac{a}{(a-1) x+b}
$$

If $a \neq 1$, then $F(x)-1-((a-1) x+b)^{-\frac{a}{a-1}}$, which is the power function distribution for $a<1$ and the Pareto distribution with $a>1$. For $a=1$, (9.1.4) will give exponential distribution. Nagaraja (1977) gave the following characterization theorem.

数学代写|概率论代考Probability Theory代写|CHARACTERIZATION BY INDEPENDENCE PROPERTY

Tata (1969) presented a characterization of the exponential distribution by the independence of the random variables $\mathrm{X}(1)$ and $\mathrm{X}(2)-\mathrm{X}(1)$, The result is given in the following theorem.

Theorem 9.2.1. Let $\left{\mathrm{X}{\mathrm{n}}, \mathrm{n} \geq 1\right}$ be an i.i.d. sequence of non- negative continuous random variables with $\operatorname{cdf} F(x)$ and pdf $f(x)$. We assume $F(0)=$ 0 and $\mathrm{F}(\mathrm{x})>0$ for all $\mathrm{x}>0$. Then for $\mathrm{X}{\mathrm{n}}$ to have the cdf, $\mathrm{F}(\mathrm{x})=1-e^{-\sigma x}, \mathrm{x} \geq$ $0, \sigma>0$, it is necessary and sufficient that $\mathrm{X}(2)-\mathrm{X}(1)$ and $\mathrm{X}(1)$ are independent.
Proof: The necessary condition is easy to establish, we give here the proof of the sufficiency condition. The property of the independence of $X(2)$ $-X(1)$ and $X(1)$ will lead to the functional equation
$$
\bar{F}(0) \bar{F}(x+y)=\bar{F}(x) \bar{F}(y), 00, \sigma>0
$$
The following generalization theorem was given by Ahsanullah (1979).

Theorem 9.2.2. Let $\left{X_n, n \geq 1\right}$ be a sequence of i.i.d. random variables with common distribution function $\mathrm{F}$ which is absolutely continuous with pdf $\mathrm{f}$. Assume that $\mathrm{F}(0)=0$ and $\mathrm{F}(\mathrm{x})>0$ for all $\mathrm{x}>0$. Then $X_{\mathrm{n}}$ to have the cdf, $F(x)=1-e^{-x / \sigma}, x \geq 0, \sigma>0$, it is necessary and sufficient that $\mathrm{X}(\mathrm{n})-\mathrm{X}(\mathrm{n}-$ 1) and $\mathrm{X}(\mathrm{n}-1)$ are independent.

Proof. It is easy to establish that if $X_n$ has the cdf, $F(x)=1-e^{-x / \sigma}, x \geq 0, \sigma>0$, then $\mathrm{X}(\mathrm{n})-\mathrm{X}(\mathrm{n}-1)$ and $\mathrm{X}(\mathrm{n}-1)$ are independent. Suppose that $X(\mathrm{n}+1)-X(n)$ and $X(\mathrm{n}), \mathrm{n} \geq 1$, are independent. Now the joint $\operatorname{pdf} f(z, u)$ of $Z=X\left(n _1\right)-X(n)$ and $U=X(n){ }1$ can be written as $$ \mathrm{f}(\mathrm{z}, \mathrm{u})=\frac{[R(u)]^{n-1}}{\Gamma(n)} r(u) f(u+z), 0<\mathrm{u}, \mathrm{z}<\infty . $$ $=0$, otherwise . But the pdf fn (u) of X(n) can be written as $$ \mathrm{F}{\mathrm{n}-1}(\mathrm{u})=\frac{[R(u)]^{n-1}}{\Gamma(n)} f(u), 0<u<\infty,
$$
$=0$, otherwise .
Since $\mathrm{Z}$ and $\mathrm{U}$ are independent, we get from (9.2.2) and (9.2.3)
$$
\frac{f(u+z)}{\bar{F}(u)}=g(z)
$$
where $g(z)$ is the pdf of $u$. Integrating (9.2.4) with respect $\mathrm{z}$ from 0 to $z_1$, we obtain on simplification
$$
\bar{F}(u)-\bar{F}\left(u+z_1\right)=\bar{F}(u) G\left(z_1\right)
$$

概率论代写

数学代写|概率论代考PROBABILITY THEORY代写|CHARACTERIZATIONS USING CONDITIONAL EXPECTATIONS

认为 \left{\mathrm ${X} _{\backslash m a t h r m{i}}, \backslash m a t h r m{i}=1,2, \backslash$ dots $\backslash$ right $}$ 是具有 cdf 的独立同分布随机变量序列 $F(x)$ 和pdf $f(x)$. 我们猜测 $E\left(X_i\right)$ 存在。让 $X(\mathrm{n}), \mathrm{n} \geq 1$ 为对应的上层记录。我们有以下定理来确定 $F(x)$ 基于条件期望。
定理 9.1.1。条件
$$
E(\psi(X+s) \mid X(k)=z)=\mathrm{g}(\mathrm{z})
$$
在哪里 $\mathrm{k}, \mathrm{s} \geq 1$ 和 $\psi(\mathrm{x})$ 是连续函数，决定分布 $\mathrm{F}(\mathrm{x})$ 唯一证明。
$$
E\left(\psi(X(k+s) \mid X(k)=z)=\int_z^{\infty} \frac{\psi(x)(R(x)-R(z))^{x-1}}{\bar{F}(z)} f(x) d x\right.
$$
在哪里 $R(x)=-\ln \bar{F}(x)$.
案件 $s=1$
使用等式 $(9.1 .1)$ ，我们获得
$$
\int_z^{\infty} \psi(x) f(x) d x=g(z) \bar{F}(z)
$$
区分两边 9.1 .2 关于 $\mathrm{z}$ 并简化，我们得到
$$
r(z)=\frac{f(z)}{\bar{F}(z)}=\frac{g^{\prime}(z)}{g(z)-\psi(z)}
$$
在哪里 $r(z)$ 是函数的失败率。因此结果。
如果 $\psi(x)=x$ 和 $g(\mathrm{x})=a \mathrm{x}+\mathrm{b}, a, \mathrm{~b} \geq 0$ ，然后
$$
r(x)=\frac{a}{(a-1) x+b}
$$
如果 $a \neq 1$ ，然后 $F(x)-1-((a-1) x+b)^{-\frac{a}{a-1}}$ ，这是幕函数分布 $a<1$ 和帕累托分布 $a>1$. 为了 $a=1,9.1 .4$ 将给出指数分布。龙王 1977 给出了以下表征定理。

数学代写|概率论代考PROBABILITY THEORY代写|CHARACTERIZATION BY INDEPENDENCE PROPERTY

几乎1969通过随机变量的独立性提出了指数分布的特征 $\mathrm{X}(1)$ 和 $\mathrm{X}(2)-\mathrm{X}(1)$, 结果在下面的定理中给出。然后为 $\mathrm{Xn}$ 有 $\mathrm{CDF}, \mathrm{F}(\mathrm{x})=1-e^{-\sigma x}, \mathrm{x} \geq 0, \sigma>0$, 充分必要的是 $\mathrm{X}(2)-\mathrm{X}(1)$ 和 $\mathrm{X}(1)$ 是独立的。
证明：必要条件容易成立，这里给出充分条件的证明。独立性的属性 $X(2)-X(1)$ 和 $X(1)$ 将导致函数方程
$$
\bar{F}(0) \bar{F}(x+y)=\bar{F}(x) \bar{F}(y), 00, \sigma>0
$$
以下泛化定理由 Ahsanullah 给出 1979. $\mathrm{CDF}, F(x)=1-e^{-x / \sigma}, x \geq 0, \sigma>0$, 充分必要的是 $\mathrm{X}(\mathrm{n})-\mathrm{X}(\mathrm{n}-1)$ 和 $\mathrm{X}(\mathrm{n}-1)$ 是独立的。
证明。很容易确定如果 $X_n$ 有CDF， $F(x)=1-e^{-x / \sigma}, x \geq 0, \sigma>0$ ，然后 $\mathrm{X}(\mathrm{n})-\mathrm{X}(\mathrm{n}-1)$ 和 $\mathrm{X}(\mathrm{n}-1)$ 是独立的。假设 $X(\mathrm{n}+1)-X(n)$ 和 $X(\mathrm{n}), \mathrm{n} \geq 1$, 是独立的。现在联合pdf $f(z, u)$ 的 $Z=X\left(n_1\right)-X(n)$ 和 $U=X(n) 1$ 可以写成
$$
\mathrm{f}(\mathrm{z}, \mathrm{u})=\frac{[R(u)]^{n-1}}{\Gamma(n)} r(u) f(u+z), 0<\mathrm{u}, \mathrm{z}<\infty .
$$
$=0$ ，否则。但是pdf fn $u$ 的 $\times n$ 可以写成
$$
F_n-1(u)=\frac{[R(u)]^{n-1}}{\Gamma(n)} f(u), 0<u<\infty
$$
$=0$, 脵则。
自从Z和U是独立的，我们从 9.2 .2 和 9.2 .3
$$
\frac{f(u+z)}{\bar{F}(u)}=g(z)
$$
$$
\bar{F}(u)-\bar{F}\left(u+z_1\right)=\bar{F}(u) G\left(z_1\right)
$$

数学代写|概率论代考Probability Theory代写请认准exambang™. exambang™为您的留学生涯保驾护航。

微观经济学代写

微观经济学是主流经济学的一个分支，研究个人和企业在做出有关稀缺资源分配的决策时的行为以及这些个人和企业之间的相互作用。my-assignmentexpert™ 为您的留学生涯保驾护航在数学Mathematics作业代写方面已经树立了自己的口碑, 保证靠谱, 高质且原创的数学Mathematics代写服务。我们的专家在图论代写Graph Theory代写方面经验极为丰富，各种图论代写Graph Theory相关的作业也就用不着说。

线性代数代写

线性代数是数学的一个分支，涉及线性方程，如：线性图，如：以及它们在向量空间和通过矩阵的表示。线性代数是几乎所有数学领域的核心。

博弈论代写

现代博弈论始于约翰-冯-诺伊曼（John von Neumann）提出的两人零和博弈中的混合策略均衡的观点及其证明。冯-诺依曼的原始证明使用了关于连续映射到紧凑凸集的布劳威尔定点定理，这成为博弈论和数学经济学的标准方法。在他的论文之后，1944年，他与奥斯卡-莫根斯特恩（Oskar Morgenstern）共同撰写了《游戏和经济行为理论》一书，该书考虑了几个参与者的合作游戏。这本书的第二版提供了预期效用的公理理论，使数理统计学家和经济学家能够处理不确定性下的决策。

微积分代写

微积分，最初被称为无穷小微积分或 “无穷小的微积分”，是对连续变化的数学研究，就像几何学是对形状的研究，而代数是对算术运算的概括研究一样。

它有两个主要分支，微分和积分；微分涉及瞬时变化率和曲线的斜率，而积分涉及数量的累积，以及曲线下或曲线之间的面积。这两个分支通过微积分的基本定理相互联系，它们利用了无限序列和无限级数收敛到一个明确定义的极限的基本概念。

计量经济学代写

什么是计量经济学？
计量经济学是统计学和数学模型的定量应用，使用数据来发展理论或测试经济学中的现有假设，并根据历史数据预测未来趋势。它对现实世界的数据进行统计试验，然后将结果与被测试的理论进行比较和对比。

根据你是对测试现有理论感兴趣，还是对利用现有数据在这些观察的基础上提出新的假设感兴趣，计量经济学可以细分为两大类：理论和应用。那些经常从事这种实践的人通常被称为计量经济学家。

Matlab代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习和应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。