Zobrazit minimální záznam

Limit theorems for dependent random variables
dc.contributor.advisorHlubinka, Daniel
dc.creatorŠvarcová, Anna
dc.date.accessioned2023-11-06T14:23:37Z
dc.date.available2023-11-06T14:23:37Z
dc.date.issued2023
dc.identifier.urihttp://hdl.handle.net/20.500.11956/184320
dc.description.abstractIn presented work we will discuss the central limit theorem for dependent random variables. First of all, we brush up the basic version of the theorem and we illustrate it by an example of its use. Then we introduce a definition of the strong mixing condition that allows us to prove the theorem even for dependent random variables. Next, we focus on the assumptions which are essential for the validity of the theorem. The biggest part of the work we deal with its proof. Last of all, we illustrate this theorem with an example which helps us to better understand the main idea of the proof. We simulate this example for specific value of sequences that we define in the wording of the theorem. 1en_US
dc.description.abstractV předložené práci se zabýváme centrální limitní větou pro závislé náhodné veličiny. Nejdříve si zopakujeme základní znění věty a ilustrujeme si ji na příkladu jejího využití. Poté zavedeme definici strong mixing condition, jež nám umožní dokázat centrální limitní větu i pro závislé náhodné veličiny. Dále se zaměříme na předpoklady, které jsou nutné k platnosti věty. Většinu práce se budeme zaobírat jejím důkazem. Na závěr si předvedeme zmíněnou větu na příkladu, který nám pomůže lépe pochopit hlavní myšlenku důkazu. Daný příklad nasimulujeme pro konkrétní hodnoty posloupností zadefinovaných ve znění věty. 1cs_CZ
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectcentrální limitní věta|závislé náhodné veličiny|strong mixing conditioncs_CZ
dc.subjectcentral limit theorem|dependent random variables|strong mixing conditionen_US
dc.titleLimitní věty pro závislé náhodné veličinycs_CZ
dc.typebakalářská prácecs_CZ
dcterms.created2023
dcterms.dateAccepted2023-09-07
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId250312
dc.title.translatedLimit theorems for dependent random variablesen_US
dc.contributor.refereeLachout, Petr
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineObecná matematikacs_CZ
thesis.degree.disciplineGeneral Mathematicsen_US
thesis.degree.programObecná matematikacs_CZ
thesis.degree.programGeneral Mathematicsen_US
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csObecná matematikacs_CZ
uk.degree-discipline.enGeneral Mathematicsen_US
uk.degree-program.csObecná matematikacs_CZ
uk.degree-program.enGeneral Mathematicsen_US
thesis.grade.csDobřecs_CZ
thesis.grade.enGooden_US
uk.abstract.csV předložené práci se zabýváme centrální limitní větou pro závislé náhodné veličiny. Nejdříve si zopakujeme základní znění věty a ilustrujeme si ji na příkladu jejího využití. Poté zavedeme definici strong mixing condition, jež nám umožní dokázat centrální limitní větu i pro závislé náhodné veličiny. Dále se zaměříme na předpoklady, které jsou nutné k platnosti věty. Většinu práce se budeme zaobírat jejím důkazem. Na závěr si předvedeme zmíněnou větu na příkladu, který nám pomůže lépe pochopit hlavní myšlenku důkazu. Daný příklad nasimulujeme pro konkrétní hodnoty posloupností zadefinovaných ve znění věty. 1cs_CZ
uk.abstract.enIn presented work we will discuss the central limit theorem for dependent random variables. First of all, we brush up the basic version of the theorem and we illustrate it by an example of its use. Then we introduce a definition of the strong mixing condition that allows us to prove the theorem even for dependent random variables. Next, we focus on the assumptions which are essential for the validity of the theorem. The biggest part of the work we deal with its proof. Last of all, we illustrate this theorem with an example which helps us to better understand the main idea of the proof. We simulate this example for specific value of sequences that we define in the wording of the theorem. 1en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.code3
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusO


Soubory tohoto záznamu

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

Tento záznam se objevuje v následujících sbírkách

Zobrazit minimální záznam


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV