1) stochastic point process
随机点过程
1.
In this paper, the lower order moments formulae of crack length distribution under given life were derived by means of stochastic point process theory.
运用随机点过程理论导出了求取裂纹扩展随机过程低阶矩的公式。
2.
The distinguishing of prime elements and Io elements in the semigroup P_N of stochastic point processes on a separable metric space and the studying of semigroup structure of P_N were of great significance.
完备可分度量空间上的随机点过程半群P_N中的素元及I_0元的判别与表征对P_N的半群结构的研究具有重要意义。
2) stochastic process
随机过程
1.
A numerical simulation of the track irregularity stochastic process;
轨道不平顺随机过程的数值模拟
2.
Convergence of the sum of a kind of stochastic process;
一类随机过程之和的收敛性
3.
Measurability on Two-Dimensional Stochastic Processes;
两参数随机过程的可测性
3) stochastic processes
随机过程
1.
Orthogonal expansion of stochastic processes for wind velocity;
脉动风速随机过程的正交展开
2.
The calculation of value at risk when cumulative investment and interest rate is correlative stochastic processes is discussed, and the concept and its calculation of relative value at risk is proposed.
讨论了累积投资和利率为相关随机过程的风险价值,并提出相对风险价值的概念和计算,借助于Monte Carlo模拟分析了累积投资分布参数以及利率参数变化时对于相对风险价值的影响。
3.
A method based on normalized orthogonal bases is proposed to decompose stochastic processes,so as to capture main probabilistic characters of a stochastic process with only a few random variables,and establish a solid foundation for structure stochastic dynamic response and reliability assessment.
建议了一类基于标准正交基的随机过程展开方法。
4) random process
随机过程
1.
Time-dependent reliability analysis of ship structure based on random process theory;
基于随机过程理论的舰船结构时变可靠性分析
2.
Dynamic reliability analysis and compare of rail based on random process over-crossing theory;
基于随机过程跨越理论的钢轨动力可靠性分析与比较
3.
Evaluation method for project risk based on random process analysis;
基于随机过程分析的项目风险评估方法
5) random processes
随机过程
1.
Review on simulation methods of random processes in engineering;
工程中随机过程的数值模拟方法及其评述
6) Doubly stochastic poisson point process
双随机泊松点过程
补充资料：随机点过程
随机点过程
stochastic point process
【补注】令X，吧。如前设，令王〕玛‘，为x的Bor-el域.令M为(X，王)上所有Borel测度的集合.对于每个B〔忍〔，，召卜，户(B)定义一映射M~R李‘，，而叭为由这些映射生成的a域，即使所有这些映射为可测的最小口域.M的整值元形成子空问N.而听则是NCM上的导出6域. X上的一个随机测度就是(M.刃功上的一个概率测度，或者等价地说，是某个抽象概率空间(‘2，、，P)到(M，叭)的可测映射C.而点过程则是C在N中取值这种特殊情形. 一个元素v〔N称为简单的，如果对所有x6X，，(x)=O或1.一个简单点过程则是在由简单测度组成的N的子空间中取值的点过程. 每个B〔忍t，定义一个函数M卜R、t，.尽卜‘拜(B)，因而给出随机测度乏，就定义一个随机变量，将用古B记之.可以用两种方式来考虑一个随机测度:一是用概率空间(O，、，尸)来参数化的(X上)测度亡(田)的集合，一是用玛。作指标集的(0上或M上)随机变量亡B的集合，这依赖于所注视的是映射(田，B)一，亡(。)(B)的哪一部分. 更一般地，对X上的每个有界连续函数厂，由 ;，(。)一Jf(x)。(dx) X可定义随机变量亡f.对每个随机测度古，可定义心的Palm分布(Pa】m distribution).对简单点过程古，R山们分布Q二可以理解为给定看在x6X有一个原子时，古的条件分布.Palm分布在随机测度论中具有很大的重要性，同时对于排队论、分支过程、再生集、随机几何、统计力学，以及保险数学等，都有应用(最后一个要用到重随机Poisson过程，又称Cox过程，它们是强度随机变化的Poisson过程). 一个随机测度的h】m分布是由分解它在X xML的Cillnpbell测度(Campbell此asure)而获得的，后者由下式给出: 〔(刀x产)=E【(哲B)l，」，刀‘践1.、〔叭、其中l，是了CM的指示函数，l响数(迄刀)l，是两个函数言B与l，:M一R的(i主点)乘积，而E表示期望. 个测度的分解是与条件分布(conditional clistri-butlc)n)密切关联的.给定两个可测空间(X，王)与(T)，一个从X到T的核(kernel)(又称为M:，PKou核( Markov kernel))是一个映射夕:XX、-，R一(，使得对所有月任厂，户(·，A):x}~p(x，了1)是在x匕可测的，目.对所x‘X，p一p(x二):通{，尸(无‘A)是(T.厂)上的a有限测度. 给定一个乘积空问xxT上的。有限测度召，则拜的一个分解(disllltegratlon)由X上的a有限测度、，与从x到T的核l)组成，使得、，几乎处处有尸、(了)笋O，「!.对所有(B，A)〔王x一有 ，!‘。
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