The limit theorems of the stochastic contagious processes. (Q2582532)

From MaRDI portal
Revision as of 08:40, 5 March 2024 by Import240304020342 (talk | contribs) (Set profile property.)
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
scientific article
Language Label Description Also known as
English
The limit theorems of the stochastic contagious processes.
scientific article

    Statements

    The limit theorems of the stochastic contagious processes. (English)
    0 references
    0 references
    1941
    0 references
    Es wird eine Verallgemeinerung des von Pólya und Eggenberger untersuchten Schemas der Wahrscheinlichkeitsansteckung behandelt: Eine Folge von Zufallsveränderlichen \(Y_1\), \(Y_{2}\),\dots, \(Y_{n}\) heißt ansteckend mit einer Folge von erzeugenden Verteilungsfunktionen \(F_k(x)(k = 1, 2,\dots, n)\) und dem Ansteckungsparameter \(\delta \geqq 0\), wenn \(F_1(x)\) die Verteilungsfunktion von \(Y_{1}\) ist, und wenn \(Y_r(2\leqq r\leqq n)\) derart von \(Y_{1}\), \(Y_{2}\),\dots, \(Y_{r-1}\) abhängt, daß für jedes System von \(r - 1\) reellen Zahlen \(\alpha _1\), \(\alpha _2\),\dots , \(\alpha _{r-1}\) die Verteilungsfunktion von \(Y_r\) unter der Voraussetzung \(Y_1=\alpha _1\),\dots, \(Y_{r-1}=\alpha _{r-1}\) gleich \[ G_r(x; \alpha _1,\dots,\alpha _{r-1})=\frac{F_r(x)+\delta \textstyle \sum\limits_{k=1}^{r-1}E(x-\alpha _k)}{1+(r-1)\delta } \] ist. Dabei ist \(E(x)\) eine Verteilungsfunktion, die \(= 0\) ist für \(x < 0\) und \(= 1\) ist für \(x\geqq 0\). Für die Zufallsveränderlichen \(S_n=Y_{n,1}+Y_{n,2}+\dots +Y_{n,n}\), die aus der unendlichen Matrix von Veränderlichen \(Y_{n,k}\)(\(k = 1\), 2,\dots, \(n\); \(n = 1\), 2,\dots ) gebildet sind, und zu denen die erzeugenden Verteilungsfunktionen \(F_{n,k}(x)\) und die Ansteckungsparameter \(\delta _n\geqq 0\) im Sinne obiger Definition gehören, werden die Grenzwertsätze für \(n\to\infty \) aufgestellt. Die Rechnungen werden unter der Annahme durchgeführt, daß die \(F_{n,k}(x)\) von \(k\) unabhängige Treppenfunktionen \(F_n(x)\) sind. Für den Grenzübergang \(n\to\infty \) werden ``starke'' \((\lim\;\delta _n=d>0)\) und ``schwache'' \((\lim\,n\delta _n=d\geqq 0)\) Ansteckung sowie Zwischenfälle unterschieden. Beispielsweise ergeben sich bei starker Ansteckung Pearsonsche Verteilungsfunktionen vom Typus I.
    0 references

    Identifiers