The paper considers the problem of calculating the distribution function of a strictly stable law at $x\to\infty$. To solve this problem, an expansion of the distribution function in a power series was obtained, and an estimate of the remainder term was also obtained. It was shown that in the case $\alpha<1$ this series was convergent for any $x$, in the case $\alpha=1$ the series was convergent at $N\to\infty$ in the domain $|x|>1$, and in the case $\alpha>1$ the series was asymptotic at $x\to\infty$. The case $\alpha=1$ was considered separately and it was demonstrated that in that case the series converges to the generalized Cauchy distribution. An estimate for the threshold coordinate $x_\varepsilon^N$ was obtained which determined the area of applicability of the obtained expansion. It was shown that in the domain $|x|\geqslant x_\varepsilon^N$ this power series could be used to calculate the distribution function, which completely solved the problem of calculating the distribution function at large $x$.


翻译:本文考虑了计算严格稳定概率分布在$x\to\infty$下的分布函数问题。为解决此问题,我们得到了分布函数在幂级数中的展开式,并获得了余项的估计。结果表明,在$\alpha<1$的情况下,该级数对任何$x$都是收敛的,在$\alpha=1$的情况下,该级数在$|x|>1$的域中$N\to\infty$收敛,在$\alpha>1$的情况下,该级数在$x\to\infty$时呈现出渐近性。$\alpha=1$的情况被单独考虑,并展示了在该情况下,级数收敛到广义柯西分布。我们得到了阈值坐标$x_\varepsilon^N$的估计,用以确定所获得展开式的适用区域。结果表明,在$|x|\geqslant x_\varepsilon^N$的域中,可以使用该幂级数来计算分布函数,从而完全解决了在大$x$处计算分布函数的问题。

0
下载
关闭预览

相关内容

Into the Metaverse,93页ppt介绍元宇宙概念、应用、趋势
专知会员服务
47+阅读 · 2022年2月19日
专知会员服务
14+阅读 · 2021年9月11日
专知会员服务
18+阅读 · 2021年7月11日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
52+阅读 · 2020年9月7日
【康奈尔大学】度量数据粒度,Measuring Dataset Granularity
专知会员服务
12+阅读 · 2019年12月27日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
量化金融强化学习论文集合
专知
13+阅读 · 2019年12月18日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年5月11日
Arxiv
0+阅读 · 2023年5月10日
Arxiv
0+阅读 · 2023年5月9日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
量化金融强化学习论文集合
专知
13+阅读 · 2019年12月18日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员