Институт проблем информатики Российской Академии наук
 Институт проблем информатики Российской Академии наук
 Российская Академия наук

Институт проблем информатики Российской Академии наук

Русский | English     Контакты

Об институтеНаправления деятельностиНаучно-исследовательские работы и проектыОбъекты интеллектуальной собственностиНаучные журналы ИПИ РАНДругие публикацииСеминары и конференции


Поиск:

«INFORMATICS AND APPLICATIONS»
Scientific journal
Volume 5, Issue 3, 2011

Content | Abstract | About  Authors

Bibliography

AN ASYMPTOTICALLY OPTIMAL TEST FOR THE NUMBER OF COMPONENTS OF AMIXTURE OF PROBABILITY DISTRIBUTIONS

  • V. E. Bening  Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, bening@yandex.ru
  • A.K. Gorshenin  Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, a.k.gorshenin@gmail.com
  • V. Yu. Korolev  Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, vkorolev@cs.msu.su.

literature

  1. Королев В.Ю. Вероятностно-статистический анализ хаотических процессов с помощью смешанных гауссовских моделей. Декомпозиция волатильности финансовых индексов и турбулентной плазмы. — М.: ИПИ РАН, 2007. 363 c.
  2. Королев В.Ю. Вероятностно-статистические методы декомпозиции волатильности хаотических процессов.—М.:МГУ, 2011. 510 c.
  3. Akaike H. Information theory and an extension of the maximum likelihood principle // 2nd Symposium (International) on Information Theory / Eds. B.N. Petrov, F. Csake.— Budapest, 1973. P. 267–281.
  4. Schwartz G. Estimating the dimension of a model // The Annals of Statistics, 1978. Vol. 6. P. 461–464. 5. Lo Y., Mendell N. R., Rubin D.B. Testing the number of components in a normal mixture // Biometrika, 2001. Vol. 88. No. 3. P. 767–778.
  5. Lo Y. Likelihood ratio tests of the number of components in a normal mixture with unequal variances // Statistics and Probability Lett., 2005. Vol. 71. P. 225–235.
  6. Vuong Q.H. Likelihood ratio tests formodel selection and non-nested hypotheses // Econometrica, 1989. Vol. 57. Iss. 2. P. 307–333.
  7. Bening V. E. Asymptotic theory of testing statistical hypothesis: Efficient statistics, optimality, power loss and deficiency. — Untrecht: VSP, 2000. 277 p.
  8. H‚ajek J. Asymptotically most powerful rank-order tests // Ann.Math. Statist., 1962. Vol. 33. P. 1124–1147.
  9. . Колмогоров А.Н.,Фомин С.В. Элементы теории функций и функционального анализа.—4-еизд.—М.:На- ука, 1976.
  10. Феллер В. Введение в теорию вероятностей и ее приложения. Т. 2.—М.: Либроком, 2010. 766 с.
  11. Teicher H. Identifiability of finite mixtures // The Annals of Statistics, 1963. Vol. 34. No. 4. P. 1265–1269.
  12. Yakowitz S. J., Spragins J.D. On the identifiability of finite mixtures // The Annals of Statistics, 1968. Vol. 39. No. 1. P. 209–214. 16


RECONSTRUCTION OF RANDOM FUNCTION DISTRIBUTIONS IN SINGLE PHOTON EMISSION TOMOGRAPHY PROBLEMS USING TRIGONOMETRIC POLYNOMIAL APPROXIMATION OF EXPONENTIAL MULTIPLIER.

  • V.G. Ushakov  Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, vgushakov@mail.ru
  • O. V. Shestakov  Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, oshestakov@cs.msu.su

literature

  1. Федоров Г. А., Терещенко С. А. Вычислительная эмиссионная томография. —М.: Энергоатомиздат, 1990.
  2. Arbuzov E. V., Bukhgeim A. L., Kazantsev S. G. Twodimensional tomography problems and the theory of A-analytic functions // Siberian Adv.Math., 1998. Vol. 8. P. 1–20.
  3. Natterer F. Inversion of the attenuated Radon transform// Inverse Problems, 2001. Vol. 17. P. 113–119.
  4. Novikov R. G. An inversion formula for the attenuated X-ray transformation // Ark.Mat., 2002. Vol. 40. P. 145– 167.
  5. Ушаков В. Г., Ушаков Н. Г. Восстановление вероятностных характеристик многомерных случайных функций по проекциям//Вестн.Моск. ун-та.Сер. 15. Вычисл. матем. и киберн., 2001.№4. C. 32–39.
  6. Shestakov O. V. An algorithm to reconstruct probabilistic distributions of multivariate random functions from the distributions of their projections // J. Math. Sci., 2002. Vol. 112. No. 2. P. 4198–4204.
  7. Шестаков О. В. О единственности восстановления вероятностных характеристик многомерных случайных функций по вероятностным характеристикам их проекций // Вестн. Моск. ун-та. Сер. 15. Вычисл. матем. и киберн., 2003.№3. С. 37–41.
  8. Ушаков В. Г.,Шестаков О. В. Экспоненциальное преобразование Радона случайных функций // Вестн. Моск. ун-та. Сер. 15. Вычисл. матем. и киберн., 2005. №1. C. 49–55.
  9. Shestakov O. V. Inversion of exponential Radon transform of random functions // Transactions of XXV Seminar on Stability Problems for Stochastic Models, 2005. P. 264– 269.
  10. Ушаков В. Г.,Шестаков О. В. Восстановление вероятностных характеристик случайныхфункций в задачах однофотонной эмиссионной томографии // Информатика и её применения, 2009. Т. 3.№1. С. 20–24.
  11. Натансон И.П. Конструктивная теория функций. — М.–Л.: ГИТТЛ, 1949.
  12. Гончаров В. Л. Теория интерполирования и приближения функций.—М.: ГТТИ, 1933.


DIVERSIFICATION AND ITS LINKS WITH RISKMEASURES.

  • D.O. Jakovenko  FIDE Grandmaster, ms@cs.msu.su
  • M. A. Tselishchev  Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University, ms@cs.msu.su

literature

  1. Acerbi C., Tasche D. On the coherence of expected Shortfall // J. Banking Finance, 2002. Vol. 26. No. 7. P. 1487– 1503.


STABILITY BOUNDS FOR SOME QUEUEING SYSTEMS WITH CATASTROPHES.

  • A. I. Zeifman  Vologda State Pedagogical University; IPI RAN; VSCC CEMI RAS, a_zeifman@mail.ru
  • A. V. Korotysheva  Vologda State Pedagogical University, a_korotysheva@mail.ru
  • T. L. Panfilova  Vologda State Pedagogical University, ptl-70@mail.ru
  • S. Ya. Shorgin  IPI RAN, SShorgin@ipiran.ru /ul>

    literature

    1. Dudin A., Nishimura S. A BMAP/SM/1 queueing system with Markovian arrival input of disasters // J. Appl. Probab., 1999. Vol. 36. P. 868-881.
    2. Krishna Kumar B., Arivudainambi D. Transient solution of an M/M/1 queue with catastrophes // Comput. Math. Appl., 2000. Vol. 40. P. 1233-1240.
    3. Dudin A., Karolik A. BMAP/SM/1 queue with Markovian input of disasters and non-instantaneous recovery // Perform. Eval., 2001. Vol. 45. P. 19-32.
    4. Di Crescenzo A., Giorno V., Nobile A. G., Ricciardi L.M. On the M/M/1 queue with catastrophes and its continuous approximation // Queueing Syst., 2003. Vol. 43. P. 329-347.
    5. Dudin A., Semenova O. Stable algorithmfor stationary distribution calculation for a BMAP/SM/1 queueing system with Markovian input of disasters // J. Appl. Prob., 2004. Vol. 42. No. 2. P. 547-556.
    6. Di Crescenzo A., Giorno V., Nobile A. G., Ricciardi L.M. A note on birth-death processes with catastrophes // Statist. Probab. Lett., 2008. Vol. 78. P. 2248-2257.
    7. Zeifman A., Satin Ya., Chegodaev A., Bening V., Shorgin V. Some bounds for M(t)/M(t)/S queue with catastrophes // 4th Conference (International) on Performance Evaluation Methodologies and Tools Proceedings (Athens, Greece, October 20-24, 2008). - ACM digital library. DOI:10.4108/ICST.VALUETOOLS2008.4270.
    8. Зейфман А.И., Сатин Я. А., Чегодаев А.В. О нестационарных системах обслуживания с катастрофами // Информатика и её применения, 2009. Т. 3. Вып. 1. С. 47-54.
    9. Зейфман А.И., Сатин Я. А., Коротышева А.В., Терешина Н. А. О предельных характеристиках системы обслуживания M(t)/M(t)/S с катастрофами // Информатика и её применения, 2009. Т. 3. Вып. 3.С. 16- 22.
    10. Zeifman A., Satin Ya., Shorgin S., Bening V. On Mn(t)/Mn(t)/S queues with catastrophes // 4th Conference (International) on Performance Evaluation Methodologies and Tools Proceedings (Pisa, Italy October 19-23, 2009). - ACM digital library. DOI:10.4108/ICST.VALUETOOLS2009.7442.
    11. Zeifman A. I. Stability for contionuous-time nonhomogeneous Markov chains // Lect. Notes Math., 1985. Vol. 1155. P. 401-414.
    12. Zeifman A.Stability of birth and death processes // J.Math. Sci., 1998. Vol. 91. P. 3023-3031.
    13. Андреев Д., Елесин М., Кузнецов А., Крылов Е., Зейфман А. Эргодичность и устойчивость нестационарных систем обслуживания // Теория вероятностей и математическая статистика, 2003. Т. 68. С. 1-11.
    14. Зейфман А.И., Коротышева А. В., Сатин Я. А., Шоргин С.Я. Об устойчивости нестационарных систем обслуживания с катастрофами // Информатика и её применения, 2010. Т. 4. Вып. 3. С. 9-15.
    15. Зейфман А.И., Бенинг В. Е., Соколов И. А. Марковские цепи и модели с непрерывным временем. -М.: Элекс-КМ, 2008.
    16. Zeifman A., Leorato S., Orsingher E., Satin Ya., Shilova G. Some universal limits for nonhomogeneous birth and death processes // Queueing Syst., 2006. Vol. 52. P. 139-151.
    17. Zeifman A. I. Upper and lower bounds on the rate of convergence for nonhomogeneous birth and death processes // Stoch. Proc. Appl., 1995. Vol. 59. P. 157-173.
    18. Van Doorn E. A., Zeifman A. I., Panfilova T. L. Bounds and asymptotics for the rate of convergence of birth-death processes // Theor. Prob. Appl., 2010. Vol. 54. P. 97-113.
    19. Mitrophanov A. Yu. Stability and exponential convergence of continuous-timeMarkov chains // J.Appl. Prob., 2003. Vol. 40. P. 970-979.


    ON A STATISTICAL PROBLEM FOR RANDOM INTERNET-TYPE GRAPHS.

    • M.M. Leri  Institute of Applied Mathematical Research, Karelian Research Center of the Russian Academy of Sciences, leri@krc.karelia.ru
    • I.A. Cheplyukova  Institute of Applied Mathematical Research, Karelian Research Center of the Russian Academy of Sciences, chia@krc.karelia.ru

    literature

    1. AielloW., Chung F., Lu L. A random graph model for massive graphs // 32nd Annual ACM Symposium on Theory of Computing Proceedings. — New York: ACM, 2000. P. 171–180.
    2. Newman M. E. Y., Strogatz S.H., Watts D. J. Random graphs with arbitrary degree distribution and their applications // Phys. Rev. E, 2001. Vol. 64. P. 026118-1– 026118-17.
    3. Reittu H., Norros I.On the power-law random graph model of massive data networks // Performance Evaluation, 2004. Vol. 55. P. 3–23.
    4. Durrett R. Random graph dynamics.—Cambridge: Cambridge Univ. Press, 2007.
    5. Faloutsos C., Faloutsos P., Faloutsos M. On power-law relationships of the Internet topology // Computer Communications Rev., 1999. Vol. 29. P. 251–262.
    6. Павлов Ю.Л. Предельное распределение объема гигантской компоненты в случайном графе Интернет- типа // Дискретная математика, 2007. Т. 19. Вып. 3. С. 22–34.
    7. Tangmunarunkit H., Govindan R., Jamin S., Shenker S., Willinger W. Network topology generators: Degree-based vs. structural // SIGCOMM’02 Proceedings. — Pittsburgh, USA, 2002. P. 147–159.
    8. Лери М.М. Моделирование случайных графов Интернет-типа //Обозрение прикладной и промышленной математики, 2009. Т. 16. Вып. 5. С. 737–744.
    9. Clauset A., Shalizi C. R., Newman M.E. J. Power-law distributions in empirical data // SIAM Rev., 2009. Vol. 51. No. 4. P. 661–703.
    10. Айвазян С. А., Енюков И. С., Мешалкин Л.Д. Прикладная статистика. Т. 1: Основы моделирования и первичная обработка данных. — М.: Финансы и стати- стика, 1983. 471 с.
    11. Лемешко Б.Ю., Чимитова Е. В. О выборе числа интервалов в критериях согласия типа .2 // Заводская лаборатория. Диагностика материалов, 2003. Т. 69. С. 61–67. 40


    QUEUEING SYSTEM WITH NEGATIVE CUSTOMERS, BUNKER FOR OUSTED CUSTOMERS, AND DIFFERENT SERVICE RATES.

    • R. V. Razumchik  IPI RAN, rrazumchik@ieee.org

    literature

    1. Бочаров П.П., Вишневский В.М. G-сети: развитие теории мультипликативных сетей // Автоматика и телемеханика, 2003.№5. C. 70–74.
    2. Muthu Ganapathi Subramanian A., Ayyappan G., Gopal Sekar. M|M|1 retrial queueing system with negative arrival under non-pre-emptive priority service // J. Fundamental Sciences, 2009. Vol. 5. No. 2. P. 129–145.
    3. D’Apice C., Manzo R., Pechinkin A., Shorgin S. Queueing network with negative customers and the route change // Conference (International) on Ultra Modern Telecommunications Proceedings, 2009. P. 1–5.
    4. Pechinkin A., Razumchik R. A queueing system with negative claims and a bunker for superseded claims in discrete time // Automation and Remote Control, 2009. Vol. 70. No. 12. P. 109–120.
    5. Ayyappan G., Gopal Sekar, Muthu Ganapthi Subramanian A.M|M|1 retrial queueing system with negative arrival under erlang-k service by matrix geometric method // Appl.Math. Sci., 2010. Vol. 4. No. 48. P. 2355–2367.
    6. Pechinkin A. V., Razumchik R. V. Waiting characteristics of queueing system Geo|Geo|1 with negative claims and a bunker for superseded claims in discrete time // Conference (International) on Ultra Modern Telecommunications Proceedings, 2010. P. 1051–1055.
    7. . Krishna Kumar B., Pavai Madheswari S., Anantha Lakshmi S. R. An M/G/1 Bernoulli feedback retrial queueing systemwith negative customers //OperationalRes., 2011. Vol. 1. P. 1–24.
    8. Songfang Jia, Yanheng Chen. A discrete time queueing system with negative customers and single working vacation // 3rd Conference (International) on Computer Research andDevelopment (ICCRD) Proceedings, 2011. Vol. 4. P. 15–19.
    9. Tien Van Do. A new solution for a queueing model of a manufacturing cell with negative customers under a rotation rule // J. Performance Evaluation, 2011. Vol. 68. Issue 4. P. 330–337.
    10. Мандзо Р., Касконе Н., Разумчик Р. В. Экспоненциальная система массового обслуживания с отрицательными заявками и бункером для вытесненных заявок // Автоматика и телемеханика, 2008. №9. C. 103–113.
    11. Бочаров П.П., Печинкин А.В. Теория массового обслуживания. —М.: РУДН, 1995. 529 с.


    APPLICATION OF THE STATISTICAL METHOD AND FINITE-DIFFERENCE METHOD FOR STRONGLY IONIZED COLLISIONAL PLASMA DIAGNOSTICS PROBLEM SOLUTION BY THE FLAT PROBE.

    • I.A. Kudryavtseva  Department ofMathematics and Cybernetics, Moscow Aviation Institute, irina.home.mail@mail.ru
    • A.V. Panteleyev  Department ofMathematics and Cybernetics, Moscow Aviation Institute, avpanteleev@inbox.ru

    literature

    1. Alexeff I., Anderson T. Experimental and theoretical results with plasma antenna // IEEE Trans. Plasma Sci., 2006. Vol. 34. No. 2. P. 166–172.
    2. Сысун В.И. Сильноионизованная низкотемпературная плазма в приборах электронной техники: Методы исследования, свойства, применение. Дисс. д-ра физ.-мат. наук в форме науч. докл.: 01.04.08. — Петрозаводск, 1996.
    3. Тухас В. А. Методология создания средств измерений и испытаний на устойчивость к кондуктивным помехам // Мат-лы VI Междунар. симп. по электромагнитной совместимости и электромагнитной экологии.— СПб., 2005. С. 231–234.
    4. ГудзенкоЛ.И.,Яковленко С.И. Плазменные лазеры.— М.: Атомиздат, 1978. 256 с.
    5. Звелто О. Принципы лазеров.—М.:Мир, 1990. 560 с.
    6. Сысун В.И.,Хромой Ю. Д. Расширение канала мощного импульсного разряда в парах ртути // Электронная техника, 1974. Сер. 4. Вып. 10. С. 80–85.
    7. Винклер Дж. Р. Искусственные пучки частиц в космической плазме. —М.:Мир, 1985. 451 с.
    8. Bernstein I. B., Rabinowitz I.N. Theory of electrostatic probes in low-density plasma // Phys. Fluids, 1959. Vol. 2. No. 2. P. 112–121.
    9. Альперт Я.Л., Гуревич А. В., Питаевский Л.П. Искусственные спутники в разреженной плазме. — М.: Наука, 1964. 282 с.
    10. Чан П., Тэлбот Л., Турян К. Электрические зонды в неподвижной и движущейся плазме. — М.: Мир, 1978. 202 с.
    11. Алексеев Б.В., Котельников В. А. Зондовый метод диагностики плазмы.—М.:Энергоатомиздат, 1989. 240 с.
    12. Пантелеев А. В., Кудрявцева И. А. Формирование математической модели двухкомпонентной плазмы с учетом столкновений заряженных частиц в случае плоского зонда // Теоретические вопросы вычислительной техники и программного обеспечения:Межвузовский сб. научн. тр. — М.: МИРЭА, 2006. С. 11–21.
    13. Олдер Б. Вычислительные методы в физике плазмы.— М.:Мир, 1974. 111 с.
    14. Montgomery D. C., Tidman D. A. Plasma kinetic theory. — New York, 1964.
    15. Кудрявцева И. А., Пантелеев А.В. Применение метода Монте-Карло для анализа поведения двухкомпонентной плазмы с учетом столкновений между заряженными частицами // Теоретические вопросы вычислительной техники и программного обеспечения: Межвузовский сб. научн. тр. — М.: МИРЭА, 2008. С. 122–128.
    16. Семенов В. В., Пантелеев А. В., Руденко Е. А., Бортаковский А. С. Методы описания, анализа и синтеза нелинейных систем управления. — М.: МАИ, 1993. 312 с.
    17. Киреев В.И., Пантелеев А. В. Численные методы в примерах и задачах.—М.: Высшая школа, 2006. 480 с.
    18. Белоцерковский О.М., Давыдов Ю.М. Метод крупных частиц в газовой динамике. Вычислительный эксперимент. —М.: Наука, Физматгиз, 1982.
    19. Вержбицкий В.М. Основы численных методов.—М.: Высшая школа, 2002. 840 с.


    COMPARATIVE STUDY OF IMAGE SEGMENTATION ALGORITHMS PROCESSING QUALITY ON METRIC BASE.

    • P. P. Koltsov  Scientific Research Institute for System Analysis of the Russian Academy of Sciences, koltsov@niisi.msk.ru

    literature

    1. Deng Y., Manjunath B. S. Unsupervised segmentation of color-texture regions in images and video // IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI’01), 2001. Vol. 23. No. 8. P. 800–810.
    2. Gribkov I. V., Koltsov P. P., Kotovich N. V., Kravchenko A. A., Kutsaev A. S., Nikolaev V.K., Zakharov A. V. PICASSO — a system for evaluating edge detection algorithms // Pattern Recognition and Image Analysis, 2003. Vol. 13. No. 4. P. 617–622.
    3. Mumford D. The Bayesian rationale for energy functionals // Geometry driven diffusion in computer vision / Ed. B. Romeny. — Dordrecht: Kluwer Academic, 1994. P. 141–153.
    4. Kervrann C., Hoebeke M., Trubuil A. A level line selection approach for object boundary estimation // 7th IEEE Conference (International) on Computer Vision, ICCV’99. — Kerkyra: IEEE Computer Society Press, 1999. P. 963–968.
    5. Ma W.-Y., Manjunath B. S. EdgeFlow: A technique for boundary detection and image segmentation // IEEE Transactions on Image Processing, 2000. Vol. 9. P. 1375– 1388.
    6. Meyer F., Vachier C. Image segmentation based on viscous flooding simulation // ISMM’02 Proceedings.—Sydney: CSIRO, 2002. P. 69–77.
    7. Christoudias C.M., Georgescu B.,Meer P. Synergismin low level vision // 16th Conference (International ) on Pattern Recognition. — Quebec City: IEEE Computer Society Press, 2002. Vol. 4. P. 150–155.
    8. Sumengen B., Manjunath B. S.Multi-scale edge detection and image segmentation // European Signal Processing Conference (EUSIPCO) Proceedings. — Antalya, 2005. http://vision.ece.ucsb.edu/publications/ 05eusipcoBarisMultiscale.pdf.
    9. Сегментатор JSEG. http://vision.ece.ucsb.edu/ segmentation/jseg/.
    10. Сегментатор EDISON. http://www.caip.rutgers.edu/ riul/research/code/EDISON/.
    11. Сегментатор EDGEFLOW. http://vision.ece.ucsb.edu/ segmentation/edge§ow.
    12. Сегментатор MULTISCALE. http://barissumengen. com/seg/.


    ON THE BERRY–ESSEEN TYPE INEQUALITIES FOR POISSON RANDOM SUMS.

    • V. Yu. Korolev  Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, vkorolev@cs.msu.su
    • I.G. Shevtsova   Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, ishevtsova@cs.msu.su
    • S. Ya. Shorgin  IPI RAN, sshorgin@ipiran.ru

    literature

    1. Gnedenko B. V., Korolev V. Yu. Random summation: Limit theorems and applications. — Boca Raton: CRC Press, 1996.
    2. Bening V., Korolev V. Generalized Poisson models and their applications in insurance and finance. — Utrecht: VSP, 2002.
    3. Круглов В.М., Королев В.Ю. Предельные теоремы для случайных сумм. —М.:МГУ, 1990.
    4. Michel R. On Berry–Esseen results for the compound Poisson distribution // Insurance:Mathematics and Economics, 1993. Vol. 13. No. 1. P. 35–37.
    5. Korolev V. Yu., Shorgin S. Ya. On the absolute constant in the remainder term estimate in the central limit theorem for Poisson randomsums // ProbabilisticMethods inDiscrete Mathematics: 4th Petrozavodsk Conference (International) Proceedings.—Utrecht: VSP, 1997. P. 305–308.
    6. Королев В.Ю., Шевцова И. Г. Уточнение верхней оценки абсолютной постоянной в неравенстве Берри–Эссеена для смешанных пуассоновских случайных сумм // Докл. РАН, 2010. Т. 431. Вып. 1 С. 16–19.
    7. Королев В.Ю., Шевцова И. Г. Уточнение неравенства Берри–Эссеена с приложениями к пуассоновским и смешанным пуассоновским случайным суммам // Обозрение прикладной и промышленной математи- ки, 2010. Т. 17. Вып. 1. С. 25–56.
    8. Korolev V., Shevtsova I. An impovement of the Berry– Esseen inequality with applications to Poisson and mixed Poisson random sums // Scandinavian Actuarial J. Online first: http://www.informaworld.com/10.1080/ 03461238.2010.485370. June 04, 2010.
    9. Нефедова Ю. С., Шевцова И. Г. О точности нормальной аппроксимации для распределений пуассоновских случайных сумм // Информатика и её примене- ния, 2010. Т. 5. Вып. 1. С. 39–45.
    10. Шоргин С. Я. О точности нормальной аппроксимации для распределений случайных сумм с безгранично делимыми индексами // Теория вероятностей и ее применения, 1996. Т. 41. Вып. 4. С. 920–926.
    11. Shorgin S. Ya. Approximation of generalized Poisson distributions: Comparison of Lyapunov fractions // 21st Seminar on Stability Problems for Stochastic Models (January 28–February 3, 2001, Eger, Hungary): Abstracts. — Publishing House of University of Debrecen, 2001. P. 166–167.
    12. Hoeffding W. The extrema of the expected value of a function of independent random variables // Ann. Math. Statist., 1948. Vol. 19. P. 239–325.
    13. Золотарев В.М. Современная теория суммирования независимых случайных величин.—М.: Наука, 1986.
    14. Тюрин И. С. О скорости сходимости в теореме Ляпунова // Теория вероятностей и ее применения, 2010. Т. 55. Вып. 2. С. 250–270.


    ON ONE KERNEL DENSITY ESTIMATOR.

    • V.G. Ushakov  Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M. V. Lomonosov Moscow State University; IPI RAN, vgushakov@mail.ru
    • N.G. Ushakov  Institute of Microelectronics Technology and High Purity Materials, Russian Academy of Sciences, ushakov@math.ntnu.no

    literature

    1. Davis K. B. Mean square error properties of density estimates // Ann. Statist., 1975. Vol. 3. No. 4. P. 1025–1030.
    2. Davis K. B. Mean integrated square error properties of density estimates // Ann. Statist., 1977. Vol. 5. No. 3. P. 530–535.
    3. Glad I.K., Hjort N. L., Ushakov N. G. Correction of density estimators that are not densities // Scand. J. Statist., 2003. Vol. 30. No. 2. P. 415–427.
    4. Ушаков В. Г., Ушаков Н. Г. Некоторые неравенства для характеристических функций плотностей с ограниченной вариацией // Вестн. Моск. ун-та. Сер. 15. Вычисл. матем. и киберн., 2000.№3. С. 40–45.
    5. Watson G. S., Leadbetter M.R. On the estimation of the probability density I // Ann. Math. Statist., 1963. Vol. 34. P. 480–491.
    6. Cs.orgo} S., Totik V. On how long interval is the empirical characteristic function uniformly consistent? // Acta Sci. Math., 1983. Vol. 45. P. 141–149.
    7. Ushakov N. G. Selected topics in characteristic functions.— Utrecht: VSP, 1999.
    8. Parzen E. On estimation of a probability density function and its mode // Ann. Math. Statist., 1962. Vol. 33. No. 3. P. 1065–1076.


    ON THE RATE OF CONVERGENCE OF SAMPLE MEDIAN ABSOLUTE DEVIATION DISTRIBUTION TO THE NORMAL LAW.

    • O. V. Shestakov  Department of Mathematical Statistics, Faculty of Computational Mathematics and Cybernetics, M.V. Lomonosov Moscow State University; IPI RAN, oshestakov@cs.msu.su

    literature

    1. Hall P., Welsh A.H. Limits theorems for median deviation // Annals of the Institute of Statistical Math., 1985. Vol. 37. No. 1. P. 27–36.
    2. Falk M. Asymptotic independence of median andMAD // Stat. Prob. Lett., 1997. Vol. 34. P. 341–345.
    3. Serfling R., Mazumder S. Exponential probability inequality and convergence results for the median absolute deviation and its modifications // Stat. Prob. Lett., 2009. Vol. 79. No. 16. P. 1767–1773.
    4. Mazumder S., Serfling R. Bahadur representations for the median absolute deviation and its modifications // Stat. Prob. Lett., 2009. Vol. 79. No. 16. P. 1774–1783.
    5. Serfling R. J. Approximation theorems of mathematical statistics. — New York: John Wiley & Sons, 1980.
    6. Reiss R.D. On the accuracy of the normal approximation for quantiles // Ann. Prob., 1974. Vol. 2.No. 4. P. 741–744.
    7. Bahadur R. R. A note on quantiles in large samples // The Annals ofMath. Statistics, 1966. Vol. 37.No. 3. P. 577–580.


    STRONG LAWS OF LARGE NUMBERS FOR A NUMBER OF ERROR-FREE BLOCKS UNDER ERROR-CORRECTED CODING.

    • A.N. Chuprunov  Department of Mathematical Statistics and Probability, Chebotarev Institute of Mathematics and Mechanics, Kazan State University, achuprunov@mail.ru
    • I. Fazekas  Faculty of Informatics, University of Debrecen, Hungary, fazekas.istvan@inf.unideb.hu

    literature

    1. Питерсон У., Уэлдон Э. Коды, исправляющие ошибки. —М.:Мир, 1976. 596 с.
    2. Колчин В.Ф. Один класс предельных теорем для условных распределений // Литовский математический сборник, 1968. T. 8.№1. C. 53–63.
    3. Колчин В.Ф., Севастьянов Б. А., Чистяков В.П. Случайные размещения. —М.: Физматгиз, 1976. 223 с.
    4. Chuprunov A.N., Fazekas I. Inequality and strong law of large numbers for random allocations // Acta Math. Hungar., 2005. Vol. 109. No. 1–2. P. 163–182.
    5. Фихтенгольц Г.М. Курс дифференциального и интегрального исчисления. —М.: Физматлит, 2006. 864 с.
    6. Круглов В.М. Характеризация одного класса безгранично делимых распределений // Матем. заметки, 1974. T. 16.№5. C. 777–782.
    7. Круглов В.М. Новая характеризация пуассоновских распределений // Матем. заметки, 1976. T. 20. №6. C. 879–882.
    8. Чупрунов А.Н., Фазекаш И. Законы повторного логарифма для числа безошибочных блоков при помехо- устойчивом кодировании // Информатика и её при- менения, 2010. T. 4.№3. C. 42–46.








 
© 2016 Институт проблем информатики Российской Академии наук Русский | English     Контакты