导读:本文包含了椭球分布论文开题报告文献综述及选题提纲参考文献,主要关键词:导体椭球,电场,电势,唯一性定理
椭球分布论文文献综述
于凤军[1](2017)在《求解带电导体椭球电势分布的一种方法》一文中研究指出采用直角坐标系,基于椭球表面方程的特点,设计一个电势的"尝试解",根据电场"唯一性定理"的要求,找到该"尝试解"满足的方程,通过求解该方程得到带电导体椭球的电势分布.(本文来源于《大学物理》期刊2017年12期)
石爱菊[2](2016)在《广义椭球等高分布及其性质研究》一文中研究指出本文首先利用左球分布定义一类绝对连续型广义椭球矩阵分布,并研究这种广义椭球矩阵分布在非奇异变换下的有关性质。其次,本文详细研究基于非负连续规则变化随机变量与椭球分布的尺度混合产生的多元广义t分布族的尾相依性质。第二章首先考虑左球分布在线性变换下的性质,然后将经典的矩阵F分布和矩阵t分布的随机表示式结构中的球对称分布的随机变量扩大到左球分布类,推导出新的随机矩阵F分布和矩阵t的任意Borel函数的数字特征的积分表示,利用随机矩阵的联合密度函数与数字特征函数之间的一一对应关系推导出新条件两个随机矩阵的联合概率密度函数精确表达式,就是矩阵F分布或矩阵t分布的联合概率密度。由此将多元统计推断中的重要分布F分布和矩阵t分布推广到左球分布的范围,我们将其称为广义椭球矩阵分布。最后利用这一推广意义,研究了各种矩阵椭球分布关于非奇异合同变换下的不变性质。第叁章利用随机结构方法定义了几种多元广义t分布,这种广义t分布看成逆伽玛分布与多元椭球对称分布的尺度混合。研究了它们的尾相依性质,通过计算概率的方法推导了在相关矩阵意义下的上象限尾相依系数和上极值尾相依指数的表达式,并研究了尾相依系数关于尾指数和线性相关系数之间的关系。根据我们的结论可知,这里得到的表达式比己有的多元t分布的尾相依系数的计算公式简洁明了,统计意义更加清楚。关于由逆伽玛分布和多元正态分布尺度混合产生的广义多元t分布,尾相依系数与尾指数的关系比较复杂,我们给出了一个单调性的充分条件。尾相依系数与相关系数的关系:上极值相依指数关于线性相关系数一定是单调非减的关系;上尾相依系数与随机向量的相关系数的单调关系与相关系数所对应的随机变量有关,对此我们建立了它们之间单调非减的充要条件。通过数值模拟验证了所有结论。关于由逆广义Gamma分布与多元指数幂分布尺度混合产生的广义多元t分布,首先通过计算概率的方法,将其尾相依系数表示成多元指数幂分布变量的数字特征的形式,其次也考虑了这种广义多元t分布的尾相依系数的性质,并通过作了相应的随机模拟。用类似的方法研究了由逆广义Gamma分布与多元Kotz型分布混合产生的广义多元t分布的尾相依系数的计算公式并讨论了它们的性质。第四章通过随机结构的方法构造了由规则变化随机变量与任意球对称多元分布尺度混合产生的一类广义多元t分布。这一分布类可以通过灵活选取规则变化随机变量的尾指数而得到比一般椭球分布更轻或更厚尾部的随机向量,并且包含了第叁章中定义的各种多元广义t分布。所以,这一新的分布类是多元广义t分布的推广,我们称之为规则变化尺度混合的多元广义t分布。随后我们利用随机向量的copula函数推导了随机向量的尾相依函数。首先将尾相依函数表示成向量的紧测度的形式,然后利用尾相依系数与尾相依函数的关系巧妙地得到这类分布族的上尾相依系数和上极值相依系数的表达式。所有的尾相依系数表示成随机结构式中球对称分布的随机向量的相应分量的数字特征的函数,这一结果与用概率方法推导出的结论完全一致,显然用copula函数方法由于只要用到随机向量间的结构,不用考虑边缘分布的干扰,所以比概率方法简单许多。上一章的所有结果可以作为本部分结论的特殊结果。最后通过数值模拟的方法验证了所得结论。(本文来源于《东南大学》期刊2016-11-10)
辛岩[3](2016)在《椭球粒子群取向正态分布下偏振雷达参数研究》一文中研究指出降水粒子的尺度大小及空间取向信息是气象探测的重要物理量。双偏振雷达的雷达参数线性退偏振比LDR及差分反射率因子Zdr是反映降水粒子的重要参数。它们可以有效的反映出降水粒子的空间取向以及粒子尺度大小。由于双偏振多普勒雷达的发射接收结构方式与传统的多谱勒雷达不同,使其获得有关气象参数大大增加,由此我们可以获得更为丰富的气象信息。双线偏振雷达有两种基本工作方式:一是目前采用的交替发射与接收水平和垂直偏振波的工作方式,可以获取Zh和Zdr信息;另一种是发射水平或垂直偏振波而同时接收其正交偏振波,可以获取LDR信息。在研究云粒子微物理特征方面,仅仅依靠Zdr是不够的,因为无法用Zdr一个量来同时判断粒子的形状和空间取向。因此,我们通过增加的雷达参数LDR来判断粒子的形状和空间取向。据此提高双线偏振雷达的测量灵敏度,实现LDR的测量。LDR反映降水粒子对入射波正交分量散射能量的大小,主要与非球形粒子的空间取向有关。因此,LDR及Zdr研究可以用于雷达测量数据反演实际粒子的空间取向。本文重新定义了雷达探测粒子的参数线性退偏振比LDR,推导出了在小旋转椭球降水粒子旋转轴取向呈正态分布同时雨滴谱为Gamma谱情况下,雷达参数LDR、Zdr的新的表达式,利用数值模拟的方法主要研究了旋转轴取向在空间呈一致铅直取向,空间均匀取向的LDR,以及在平面、空间内正态分布取向时的LDR,Zdr的变化情况,并分析了取向分布参数及粒子尺度参数对线性退偏振因子、差分反射率因子的影响,总结了它们的变化趋势并给出了相应的物理情形的解释。期望本研究所得到的Zdi、LDR等模拟结果,能为雷达测量数据反演实际粒子的空间取向,以及双偏振雷达对云降水粒子的测量精度的提高提供反演依据和理论基础。(本文来源于《南京信息工程大学》期刊2016-06-01)
高欢,童小娇,张海斌[4](2015)在《离散椭球分布下两阶段WCVaR风险利润优化模型及应用》一文中研究指出本文研究随机变量非完全分布下的两阶段风险-利润优化问题。采用最坏情况下条件风险(Worst-case Conditional Value-at-Risk:WCVaR)度量指标,在离散椭球分布下建立了两阶段WCVaR约束下利润期望最大优化模型,运用优化对偶方法将复杂的Max-Min结构化简,理论上证明了简化模型和原模型的同解性,以发电商电能分配组合优化为数值实例,验证了模型和计算方法的有效性。(本文来源于《运筹与管理》期刊2015年02期)
郭春香,王青[5](2014)在《一类椭球等高矩阵分布的二次型》一文中研究指出在向量球对称分布的基础上研究了向量球对称分布和一类椭球等高矩阵分布的二次型,并给出了二次型及其逆的密度函数。(本文来源于《承德石油高等专科学校学报》期刊2014年06期)
王绪鹏,范文义,温一博[6](2013)在《基于Campbell椭球分布函数的大兴安岭地区主要树种叶倾角分布模拟》一文中研究指出叶倾角分布(LAD)直接决定着植被冠层对辐射的截获量,同时对入射太阳辐射的大小与走向也起着决定性作用,是定量遥感中的关键参数.本研究基于Campbell椭球分布函数和迭代方法拟合大兴安岭林区主要树种的LAD,定量分析冠层叶片分层与不分层时模型的拟合情况及不同龄组对LAD的影响.结果表明:大兴安岭地区6种主要树种的LAD均属于横椭球分布,针叶树的平均叶倾角小于阔叶树;无论对叶片分层处理与否,模型拟合叶倾角的结果与实测结果基本一致;白桦和落叶松的拟合结果与实测结果线性回归的相关系数分别是0.8268、0.8192,均方根误差分别是3.7%、4.3%,说明Campbell模型应用于森林冠层是可靠的;考虑龄组的影响时,虽然分层处理时叶倾角的分布趋势与龄组无关,但幼龄落叶松的平均叶倾角小于成熟落叶松,表明龄组对叶倾角分布取值有正向影响,而对消光系数取值有负向影响.(本文来源于《应用生态学报》期刊2013年11期)
蒋春福,杨宇宽[7](2013)在《混合椭球分布下证券组合的尾部条件方差》一文中研究指出由于风险价值、条件风险价值等下方风险度量没有考虑尾部数据的变异性,因此在刻画极端金融风险方面存在一定的缺陷。为了更好地控制尾部极端损失的发生概率,我们选择用尾部条件方差来刻画这种极端风险,即超过风险价值的那部分损失的方差。考虑到混合椭球分布在金融数据建模中的重要性,本文在这类分布下研究了证券组合的尾部条件方差,得到了证券组合尾部条件方差风险的精确表达式,为了验证本文的结果,我们也进行了一些数值计算及在最优投资组合方面的应用研究。(本文来源于《中国管理科学》期刊2013年04期)
姚海祥[8](2012)在《一般椭球分布下VaR与CVaR投资组合选择模型》一文中研究指出本文首先给出了一般椭球分布下组合收益率的风险价值(VaR)和条件风险价值(CVaR)的显式计算公式,并以多元正态分布和多元t分布为例给出了具体的计算公式。然后,将VaR和CVaR的计算公式嵌入到均值-VaR和均值-CVaR投资组合选择模型中。最后,得到了这两个模型的组合边界和有效投资组合的解析表达式。(本文来源于《中国管理科学》期刊2012年S1期)
姚海祥[9](2012)在《一般椭球分布下VaR与CVaR投资组合选择模型》一文中研究指出本文首先给出了一般椭球分布下组合收益率的风险价值(VaR)和条件风险价值(CVaR)的显式计算公式,并以多元正态分布和多元t分布为例给出了具体的计算公式。然后,将VaR和CVaR的计算公式嵌入到均值-VaR和均值-CVaR投资组合选择模型中。最后,得到了这两个模型的组合边界和有效投资组合的解析表达式。(本文来源于《第十四届中国管理科学学术年会论文集(上册)》期刊2012-11-02)
储慧琴,夏登峰[10](2012)在《EVS椭球等高矩阵分布中的正态性刻划》一文中研究指出近年来多人研究了模型误差服从椭球等高分布情况下的性质,并得出较好结论.在假定样本服从向量椭球等高分布情况下,进一步完善样本来自正态分布的等价性刻划.(本文来源于《安徽工程大学学报》期刊2012年01期)
椭球分布论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文首先利用左球分布定义一类绝对连续型广义椭球矩阵分布,并研究这种广义椭球矩阵分布在非奇异变换下的有关性质。其次,本文详细研究基于非负连续规则变化随机变量与椭球分布的尺度混合产生的多元广义t分布族的尾相依性质。第二章首先考虑左球分布在线性变换下的性质,然后将经典的矩阵F分布和矩阵t分布的随机表示式结构中的球对称分布的随机变量扩大到左球分布类,推导出新的随机矩阵F分布和矩阵t的任意Borel函数的数字特征的积分表示,利用随机矩阵的联合密度函数与数字特征函数之间的一一对应关系推导出新条件两个随机矩阵的联合概率密度函数精确表达式,就是矩阵F分布或矩阵t分布的联合概率密度。由此将多元统计推断中的重要分布F分布和矩阵t分布推广到左球分布的范围,我们将其称为广义椭球矩阵分布。最后利用这一推广意义,研究了各种矩阵椭球分布关于非奇异合同变换下的不变性质。第叁章利用随机结构方法定义了几种多元广义t分布,这种广义t分布看成逆伽玛分布与多元椭球对称分布的尺度混合。研究了它们的尾相依性质,通过计算概率的方法推导了在相关矩阵意义下的上象限尾相依系数和上极值尾相依指数的表达式,并研究了尾相依系数关于尾指数和线性相关系数之间的关系。根据我们的结论可知,这里得到的表达式比己有的多元t分布的尾相依系数的计算公式简洁明了,统计意义更加清楚。关于由逆伽玛分布和多元正态分布尺度混合产生的广义多元t分布,尾相依系数与尾指数的关系比较复杂,我们给出了一个单调性的充分条件。尾相依系数与相关系数的关系:上极值相依指数关于线性相关系数一定是单调非减的关系;上尾相依系数与随机向量的相关系数的单调关系与相关系数所对应的随机变量有关,对此我们建立了它们之间单调非减的充要条件。通过数值模拟验证了所有结论。关于由逆广义Gamma分布与多元指数幂分布尺度混合产生的广义多元t分布,首先通过计算概率的方法,将其尾相依系数表示成多元指数幂分布变量的数字特征的形式,其次也考虑了这种广义多元t分布的尾相依系数的性质,并通过作了相应的随机模拟。用类似的方法研究了由逆广义Gamma分布与多元Kotz型分布混合产生的广义多元t分布的尾相依系数的计算公式并讨论了它们的性质。第四章通过随机结构的方法构造了由规则变化随机变量与任意球对称多元分布尺度混合产生的一类广义多元t分布。这一分布类可以通过灵活选取规则变化随机变量的尾指数而得到比一般椭球分布更轻或更厚尾部的随机向量,并且包含了第叁章中定义的各种多元广义t分布。所以,这一新的分布类是多元广义t分布的推广,我们称之为规则变化尺度混合的多元广义t分布。随后我们利用随机向量的copula函数推导了随机向量的尾相依函数。首先将尾相依函数表示成向量的紧测度的形式,然后利用尾相依系数与尾相依函数的关系巧妙地得到这类分布族的上尾相依系数和上极值相依系数的表达式。所有的尾相依系数表示成随机结构式中球对称分布的随机向量的相应分量的数字特征的函数,这一结果与用概率方法推导出的结论完全一致,显然用copula函数方法由于只要用到随机向量间的结构,不用考虑边缘分布的干扰,所以比概率方法简单许多。上一章的所有结果可以作为本部分结论的特殊结果。最后通过数值模拟的方法验证了所得结论。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
椭球分布论文参考文献
[1].于凤军.求解带电导体椭球电势分布的一种方法[J].大学物理.2017
[2].石爱菊.广义椭球等高分布及其性质研究[D].东南大学.2016
[3].辛岩.椭球粒子群取向正态分布下偏振雷达参数研究[D].南京信息工程大学.2016
[4].高欢,童小娇,张海斌.离散椭球分布下两阶段WCVaR风险利润优化模型及应用[J].运筹与管理.2015
[5].郭春香,王青.一类椭球等高矩阵分布的二次型[J].承德石油高等专科学校学报.2014
[6].王绪鹏,范文义,温一博.基于Campbell椭球分布函数的大兴安岭地区主要树种叶倾角分布模拟[J].应用生态学报.2013
[7].蒋春福,杨宇宽.混合椭球分布下证券组合的尾部条件方差[J].中国管理科学.2013
[8].姚海祥.一般椭球分布下VaR与CVaR投资组合选择模型[J].中国管理科学.2012
[9].姚海祥.一般椭球分布下VaR与CVaR投资组合选择模型[C].第十四届中国管理科学学术年会论文集(上册).2012
[10].储慧琴,夏登峰.EVS椭球等高矩阵分布中的正态性刻划[J].安徽工程大学学报.2012