模糊变量的期望及模微分方程.docVIP

模糊变量的期望及模糊微分方程 摘要：主要介两部分：一是几种常见的模糊变量（等可能的模糊变量，三角模糊变量，梯形模糊变量，正态模糊变量等）的隶属函数，分布函数和密度函数，进而求其期望；二是介绍几种模糊过程，重点说明由liu过程驱动产生的模糊微分方程，并对几种特殊的形式进行求解。 关键词：模糊变量 隶属函数 期望 liu过程 模糊微分方程 一 模糊变量及其期望 1模糊变量 1.1几种特使的模糊变量 我们可以用隶属函数分函数或者是密度函数来刻画模糊变量。下面，我们先用隶属函数定义几种特殊的模糊变量，然后用密度函数来求它们的期望。 特殊的模糊变量： (1) 等可能的模糊变量： SKIPIF 1 0 (2) 三角模糊变量： SKIPIF 1 0 (3) 梯形模糊变量： SKIPIF 1 0 (4) 指数分布模糊变量： SKIPIF 1 0 (5) 正态分布模糊变量： SKIPIF 1 0 1.2分布函数与密度函数 隶属函数的关系 1.2.1可能性反演定理 可能性反演定理： SKIPIF 1 0 1.2.2可信性分布函数： SKIPIF 1 0 注：可信性分布函数既不左连续，也不右连续。 可信性分布的充要条件： (1) SKIPIF 1 0 (2) SKIPIF 1 0 例子： SKIPIF 1 0 SKIPIF 1 0 SKIPIF 1 0 SKIPIF 1 0 SKIPIF 1 0 SKIPIF 1 0 SKIPIF 1 0 1.2.3可信性密度函数： SKIPIF 1 0 SKIPIF 1 0 注：对于可信性密度函数 SKIPIF 1 0 （1） SKIPIF 1 0 (2) SKIPIF 1 0 (3) SKIPIF 1 0 (4) SKIPIF 1 0 于是有了下面几个概念： 非负模糊变量： SKIPIF 1 0 ； 正则模糊变量： SKIPIF 1 0 连续模糊变量： SKIPIF 1 0 简单模糊变量： SKIPIF 1 0 联系分布函数或隶属函数，很自然的得到以下几个等价关系： SKIPIF 1 0 非负： SKIPIF 1 0 SKIPIF 1 0 正则： SKIPIF 1 0 SKIPIF 1 0 连续： SKIPIF 1 0 SKIPIF 1 0 简单： SKIPIF 1 0 SKIPIF 1 0 注： SKIPIF 1 0 绝对连续，才能保证密度函数存在。 1.3模糊变量的期望 对连续性的模糊随机变量，我们有下面的定理： . 类似与概率空间，当已知分布函数时，有下面的定理： 根据这个定理，我们求出几种常见的模糊变量的期望。 等可能的模糊变量 三角模糊变量 梯形模糊变量 二 模糊微分方程 2.1 模糊过程 定义： SKIPIF 1 0 SKIPIF 1 0 2.1.1模糊过程的分布函数： 一维可信性分布： SKIPIF 1 0 可信性密度函数： SKIPIF 1 0 SKIPIF 1 0 的 SKIPIF 1 0 维可信性分布： SKIPIF 1 0 SKIPIF 1 0 2.1.2 几类重要的模糊过程及性质 1 独立的模糊过程： SKIPIF 1 0 2. 独立增量过程： SKIPIF 1 0 注： SKIPIF 1 0 一般独立增量过程，规定： SKIPIF 1 0 3.