دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: احتمال ویرایش: نویسندگان: Valentin V. Petrov سری: Oxford studies in probability 4 ISBN (شابک) : 019853499X, 9780198534990 ناشر: Clarendon Press; Oxford University Press سال نشر: 1995 تعداد صفحات: 300 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Limit theorems of probability theory: sequences of independent random variables به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب قضایای حدی نظریه احتمال: دنباله ای از متغیرهای تصادفی مستقل نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب یک نمای کلی عالی از قضایای حدی و نابرابریهای احتمال برای مجموع متغیرهای تصادفی مستقل ارائه میدهد. این کتاب که در ترکیبی از نتایج کلاسیک و اخیر منحصر به فرد است، جنبه های عملی بسیاری از این ابزارهای مهم را برای حل انواع زیادی از مسائل در احتمال و آمار شرح می دهد. موضوعات شامل قضایای حدی در مورد همگرایی به توزیعهای بینهایت بخشپذیر، قضیه حد مرکزی با نرخهای همگرایی، قانون ضعیف و قوی اعداد بزرگ، قانون لگاریتم تکراری، و نابرابریهای فراوان برای مجموع متغیرهای تصادفی اعداد دلخواه است. به عنوان یک متن فارغ التحصیل و مرجعی برای ریاضیدانان کارکشته ایده آل، قضایای حدی نظریه احتمال خواننده را به مرز تحقیقات فعلی می رساند.
This book offers a superb overview of limit theorems and probability inequalities for sums of independent random variables. Unique in its combination of both classic and recent results, the book details the many practical aspects of these important tools for solving a great variety of problems in probability and statistics. Topics include limit theorems on convergence to infinitely divisible distributions, the central limit theorem with rates of convergence, the weak and strong law of large numbers, the law of the iterated logarithm, and the many inequalities for sums of an arbitrary number random variables. Ideal as both a graduate text and a reference for seasoned mathematicians, Limit Theorems of Probability Theory brings the reader to the frontier of current research.
Title page......Page 1
Preface......Page 3
Notation and abbreviations......Page 9
1.1 Random variables and their distributions......Page 11
1.2 Moments and quantiles......Page 15
1.3 Characteristic functions......Page 19
1.4 Convergence of distributions......Page 26
1.5 Concentration functions......Page 32
1.6 Infinitely divisible distributions......Page 38
1.7 Bibliographical notes......Page 46
1.8 Addenda......Page 47
2.1 Inequalities for the maximum of sums of independent random variables......Page 60
2.2 Exponential bounds......Page 64
2.3 Inequalities for moments of sums of independent random variables......Page 68
2.4 Inequalities for the concentration functions of sums of independent random variables......Page 73
2.6 Addenda......Page 87
3.1 The condition of infinite smallness......Page 98
3.2 Infinitely divisible distributions as limit laws......Page 101
3.3 Necessary and sufficient conditions for convergence to a given infinitely divisible distribution......Page 109
3.4 Limit distributions of class L and stable distributions......Page 111
3.5 Bibliographical notes......Page 117
3.6 Addenda......Page 118
4.1 The central limit theorem for a sequence of series of independent random variables......Page 122
4.2 Classical forms of the central limit theorem......Page 130
4.3 The weak law of large numbers for a sequence of series of independent random variables......Page 137
4.4 Classical forms of the weak law of large numbers......Page 141
4.5 Bibliographical notes......Page 144
4.6 Addenda......Page 145
5.1 Estimating the difference of distribution functions by the nearness of characteristic functions......Page 152
5.2 Esseen\'s inequality......Page 157
5.3 Generalizations of Esseen\'s inequality......Page 160
5.4 Upper and lower estimates having the same order......Page 167
5.5 Non-uniform estimates......Page 173
5.6 Asymptotic expansions in the central limit theorem: formal construction of the expansions......Page 179
5.7 Asymptotic expansions in the central limit theorem: the i.i.d. case......Page 182
5.8 Limit theorems for large deviations......Page 186
5.9 Bibliographical notes......Page 194
5.10 Addenda......Page 196
6.1 The Borel-Cantelli lemma......Page 209
6.2 Convergence of series of independent random variables......Page 214
6.3 The strong law of large numbers......Page 218
6.4 The strong law of large numbers: the i.i.d. case......Page 222
6.5 The strong law of large numbers: the necessary and sufficient conditions......Page 226
6.6 Estimates of the growth of sums of independent random variables in terms of sums of their moments......Page 229
6.7 Bibliographical notes......Page 236
6.8 Addenda......Page 237
7.1 Kolmogorov\'s theorem......Page 249
7.2 The Hartman-Wintner theorem......Page 258
7.5 Addenda......Page 265
Bibliography......Page 275
Author index......Page 297
Subject index......Page 301