B值m相依随机元序列的随机指标中心极限定理

讨论 B值 m相依随机元序列的随机指标中心极限定理 ,给出其成立的一个充分条件 ,同时给出当 B是 2型空间时随机指标中心极限定理 .

B值m相依随机元列移动平均过程的随机指标中心极限定理

设{εt;t∈Z}是均值为零、二阶矩有限的B值m相依随机元列,{aj;j∈Z}是一实数序列,并且∑∞j=-∞aj<+∞.定义移动平均过程Xt=∑∞j=-∞ajεt-j(t≥1).利用Beveridge-Nelson分解及{εt;t≥1}的弱收敛定理,给出{Xt;t≥1}满足随机指标中心极限定理的充分条件.

B值平稳线性过程的迭对数律及随机指标中心极限定理

设 { εt;t∈Z}是独立同分布的 B值随机元序列 ,aj;j∈ Z是一实数序列 ,并且 ∞j=-∞| aj| <∞ ,定义平稳线性过程 Xt= ∞j=-∞ajεt- j.本文研究 { Xt;t∈ IN }部分和序列的收敛性质和极限定理 ,给出了 { Xt;t∈ IN }满足有界迭对数律。

强平稳NA序列的随机指标中心极限定理

计论了强平稳NA序列的随机指标中心极限定理，给出其成立的一个充分条件．

B值随机元的随机指标中心极限定理

本文讨论B值随机元的随机指标中心极限定理,证明了如下的结果:设B是2型空间(Spaceof Rademacher-type 2),{X_n,n≥1}是i.i.d.的B值随机元序列,S_n=sum from i=1 to n X_i,EX_1=0,E||X_1||~2<∞;{τ_n,n≥l}是取自然数值的实随机变量序列,τ是取正值的实随机变量,并且,则必存在B上的Gaussian测度γ,使得(S_(τ_n)/(τ_n)^(1/2))γ.

LPQD序列的随机指标中心极限定理

设{X_n,n≥1}为严平稳的线性正象限相依(LPQD)序列,{N_n,n≥1}为一列非负整数值随机变量序列,且与{X_n,n≥1}独立.记随机部分和为S_N_n=N_n∑i=1 X_i,在适当的假设条件下,利用LPQD序列的极限性质,证明严平稳LPQD序列的随机指标中心极限定理和Berry-Esseen界.

B值m相依随机元序列的中心极限定理

讨论B值m相依随机元序列的中心极限定理，给出其成立的一个充分条件，并研究空间型与B值m相依随机元序列中心极限定理的关系．

随机元序列几乎处处中心极限定理的推广

讨论随机元序列和随机变量序列函数的几乎处处中心极限定理,推广了经典几乎处处中心极限定理中的权重,并改进了经典几乎处处中心极限定理的证明.

随机变量序列函数的几乎处处中心极限定理

该文证明了随机元序列的一个一般的几乎处处中心极限定理,并把这一结论应用于随机变量序列的函数.

混合随机序列部分和乘积的中心极限定理(英文)

证明了一类ρ混合随机序列部分和乘积的中心极限定理和几乎处处中心极限定理.

统计分布和中心极限定理的随机模拟

统计量的分布和中心极限定理在统计学中有着重要作用。统计量的图形依赖于参数设置,然而大部分参考书籍的内容以数学公式为主,致使读者在学习过程中难以理解背后的原理及含义。基于此,文章利用Stata的随机函数对统计学中的统计量分布和中心极限定理进行模拟,并将模拟结果用图形进行展示,以便让读者更直观地理解和学习相关内容。

随机变量序列最大值的局部几乎处处中心极限定理

在一定条件下得到了最大值的局部几乎处处中心极限定理.

α混合随机变量序列部分和乘积的几乎处处中心极限定理

利用子序列等方法,获得α混合随机变量序列部分和乘积的几乎处处中心极限定理的更优结果,改进了相关文献的结果.

独立随机变量序列部分和乘积的几乎处处中心极限定理

利用子序列方法获得了独立随机变量序列部分和乘积的几乎处处中心极限定理的更优结果,改变了已有相关定理中的权,使权系数更大.

基于MATLAB的De Moivre-Laplace中心极限定理的随机模拟

针对De Moivre-Laplace中心极限定理,首先利用特征函数和独立同分布下的中心极限定理得到理论上证明,然后利用MATLAB软件随机模拟分析二项分布与正态分布之间的关系,并对图像进行误差分析,最后证明数值结果与实验结果的一致性。通过这两种不同角度的论证,给出De MoivreLaplace中心极限定理直观的解释和说明,这种将数学实验与数学原理结合的方法,不仅使数学原理化抽象为具体,便于理解和实践,而且扩展了数学原理和计算机软件的应用。

强混合随机变量序列的一个几乎处处中心极限定理

研究了强混合随机变量序列的几乎处处中心极限定理。利用子序列等方法,获得了强混合随机变量序列几乎处处中心极限定理的一个较优结果。

φ-混合序列的随机中心极限定理

设{Xn,n≥1}为严平稳的φ-混合序列,{N_-n,n≥1}为一列非负整值随机变量序列,且与{X_n,n≥1}独立,随机部分和为S_N_n=Nn∑ =1X_i,在适当的假设条件下,利用φ混合序列的极限性质,证明了严平稳φ混合序列的随机中心极限定理,得到了Tn=S_N_n-ES_N_n/Var(S_N_n)^(1/2)依分布收敛于T(Z_1,Z_2),其中T(Z_1,Z_2)为Z_1和Z_2的线性函数,Z_1～N(0,1),Z_2为{N_n,n≥1}正则化后的极限分布.

可交换随机序列和的中心极限定理的收敛速度

讨论了一类重要的相依随机变量序列——可交换随机变量序列部分和的中心极限问题。在与独立同分布随机变量序列部分和的中心极限问题相同的条件下，利用可交换随机变量的结构定理和Ｂｅｒｒｙ－Ｅｓｓｅｅｎ方法，获得了可交换随机变量序列部分和收敛于标准正态分布的最优收敛速度。

一个不满足中心极限定理的严平稳相伴随机序列

构造了一个不满足中心极限定理且部分和的方差按照一定规则变化的严平稳相伴随机序列的例子,这个结论推广了N.Herrndorf著名的例子并且说明了经典纽曼定理的最优性条件。

随机函数乘积的几乎处处中心极限定理

利用ρ-混合序列部分和乘积的几乎处处中心极限定理,给出了一类随机函数(统计量)乘积的几乎处处中心极限定理,推广了独立情形的结论。