经典离散分布的随机排序

@文章{Klenke2009随机OO,title={经典离散分布的随机排序},author={Achim Klenke和Lutz Mattner},journal={应用概率进展},年份={2009},体积={42},页数={392-410},url={https://api.semanticscholar.org/CorpusID:16570939}}
对于ℕ0上的几个经典分布对(P,Q),我们证明了它们的随机序P≤stQ可以用它们的极端尾序等价于P({k*})/Q({k*1)≥1≥limk→k*P({k})/Q。这尤其包括P和Q都是二项式(bn1,p1≤stbn2,p2当且仅当n1≤n2和(1-P

不同分布的私人抽样

研究表明,在某些参数范围内,私人抽样比非私人学习$P$描述所需的观测值要少;在其他国家,私人抽样被证明与私人学习一样困难。

将椭球拟合为随机点的二次数量

这项工作改进了以前的方法,使用了Bartl&Mendelson关于随机向量的Gram矩阵的集中性的一个关键结果,并在对其尾部行为进行温和假设的情况下,给出了一个简单的证明,即将标准高斯随机向量拟合到中心椭球体边界的问题是可行的,且概率很高。

有限种群的随机演化

定义了一类一般的马尔可夫链模型,该模型被定义为Kimura类,该类包括群体遗传学中使用的大多数模型,并且表明许多对M和WF过程有效的众所周知的结果在该类中仍然有效。

有限种群的随机演化

定义了一类通用的马尔可夫链模型,即Kimura类,它包含了种群遗传学中使用的大多数模型,并且表明许多对M和WF过程有效的已知结果在这类模型中仍然有效。

带Stash的杜鹃散列的显式、闭式、通用边界

本文给出了一般存储大小的布谷鸟散列失败概率的第一个显式闭式界,并应用于超常量s,其中s是任何常数存储大小。

基于间接观测的高维稀疏矩阵平滑信号的快速检测

假设检验问题的下限意味着没有任何检验程序能够区分零假设(无信号)和替代假设,即检验的最小最大风险趋于1。

从树匹配到稀疏图对齐

本文考虑了稀疏图的对齐问题,引入了邻域树匹配算法(NTMA),并证明了该算法返回正确匹配顶点的正分数和不匹配点的消失分数。

应用概率进展第42卷(2010):索引:一般应用概率

Balkema,G.和Nolde,N.页。单峰密度的渐近独立性。411–432 Bartroff,J.、Goldstein,L.、Rinott,Y.和Samuel-Cahn,E.关于最优

多个超几何随机变量关于行边距的对称核心事件概率的随机排序

假设X是一个遵循中心多重超几何分布的频率向量,例如从有限总体中随机抽样m类属性时产生的频率向量
...

应用概率中的随机序与相依性

1单变量排序。-1.1 iid随机变量的构造1.2强排序。-1.3凸排序。-1.4条件排序1.5相对逆函数排序1.6分散

关于分布的条件随机序

条件随机排序是关于一对概率测度在某些子集或子σ-代数上的随机排序。条件的一些基本结果

一致条件随机序

如果随机顺序的标准形式适用于每对条件,则一个概率测度在UCSO(统一条件随机顺序)意义上小于或等于另一个概率度量

关于一些有序分布族的拓扑结构

文摘:研究了序关系对家庭分布结构的影响。除此之外,还表明了非退化分布族(即族

关于次序统计量随机排序的注记

获得了泊松二项随机变量随机大于(或小于)二项式随机变量的一个充要条件。然后用于处理

随机模型与风险的比较方法

作者在解释贝叶斯概率和频率论概率概念之间的差异方面做了令人钦佩的工作,表明从哲学上讲,只有贝叶斯才有意义。

随机订单

    数学
  • 2008
作者旨在介绍一种贝叶斯方法,用于在SEM中开发高效和严格的统计方法,并将其应用于实际问题,本书中介绍的贝叶斯发展应该对任何认真使用SEM的研究人员都具有吸引力。

概率论:综合课程

收敛定理被应用于解释布朗运动和迭代对数定律以及鞅和交换性。