×

关于最大稳定分布的复合化。 (英语。俄文原件) Zbl 07741290号

莫斯克。大学数学。牛。 78,编号3,105-111(2023); 维斯特翻译。莫斯科。州立大学。I 78,第3、3-8号(2023年)。
小结:通过类比将稳定分布推广到复稳定指数域,并使用泊松随机测度上的随机积分表示,实现了最大稳定Frechet分布的复化。结果是在复杂平面的第一个四分之一上出现了最大离散分布。导出了边际分布函数的估计。

理学硕士:

60E07型 无限可分分布;稳定分布
60F05型 中心极限和其他弱定理
60G70型 极值理论;极值随机过程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Gnedenko,B.,《最大条件下的分布极限》,《数学年鉴》。,44, 423-453 (1943) ·Zbl 0063.01643号 ·doi:10.2307/1968974
[2] 雅加兰布什。I.,极端阶统计的渐近理论(1984),莫斯科:瑙卡,莫斯科·Zbl 0564.60023号
[3] M.R.Leadbetter、G.Lindgren和H.Rootzén,随机序列和过程的极值和相关性质,统计学中的Springer级数(Springer,1983)。https://doi.org/10.1007/978-1-4612-5449-2 ·Zbl 0518.60021号
[4] 彼得堡,V.I。;Rodionov,I.V.,在Boris Vladimirovich Gnedenko 110岁生日之际,随机极值理论的某些现代发展,Reliab.:理论应用。,16, 16-25 (2021)
[5] Alexeev,I.A.,关于具有复杂稳定指数的稳定随机变量,Dokl。数学。,104, 317-321 (2021) ·Zbl 1487.60031号 ·doi:10.1134/S1064562421060028
[6] Alekseev,I.A.,具有复杂指数的稳定随机变量,Zap。Nauchnykh Seminarov POMI,505,17-37(2021)
[7] Alexeev,I.A.,具有复杂稳定指数的稳定随机变量,I,理论概率。其应用。,67, 335-351 (2022) ·兹比尔1498.60069 ·doi:10.1137/S0040585X97T990976
[8] Grinevich,I.V.,对应于线性和幂规范化的最大离散极限分布,理论概率。其应用。,37, 720-721 (1992) ·Zbl 0787.60001号 ·doi:10.1137/1137126
[9] Pancheva,E.,多元最大离散分布,理论概率。其应用。,37, 731-732 (1992) ·Zbl 0787.60001号 ·doi:10.1137/1137126
[10] 特米多,M.G。;Canto e.Castro,L.,平稳随机序列极值中的最大离散律,理论概率。其应用。,47, 365-374 (2003) ·Zbl 1037.60050号 ·doi:10.1137/tprbau00004700000200036500001
[11] 坎托·卡斯特罗,L。;Dias,S。;达格拉萨·特米多(da Graça Temido,M.),《寻找最大可错性:极值条件的新测试》,《统计推断》,1413005-3020(2011)·Zbl 1333.62137号 ·doi:10.1016/j.jspi.2011.03.020
[12] Pancheva,E.,《Max-semistability:A survey》,ProbStat Forum,3,11-24(2010)·Zbl 1186.62026号
[13] Dias,S。;Temido,M.G.,随机场和随机抽样,Kybernetika,55,897-914(2019)·Zbl 1463.60071号 ·doi:10.14736/kyb-2019-6-0897
[14] Lebedev,A.V.,《随机极值理论基础》(2018),莫斯科:列南,莫斯科
[15] Lebedev,A.V.,《超临界分支过程中粒子随机特性的最大值》,莫斯科大学数学系。公牛。,63, 175-178 (2008) ·Zbl 1304.60095号 ·doi:10.3103/S002713220805001X号
[16] Lebedev,A.V.,超临界分支过程中粒子随机特性的多元极值,理论概率。其应用。,57, 678-683 (2013) ·Zbl 1292.60086号 ·doi:10.1137/S0040585X97986278
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。