The Joint Probability Generating Function for Run-Lengths in Regenerative Binary Markov Chains, with Applications
再生二元马尔可夫链中游程长度的联合概率生成函数及应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要是游程与随机过程的概率理论，未明确涉及宏观时间序列建模或其他所列应用方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
再生二元马尔可夫链中游程长度的联合概率生成函数及应用
- 研究问题
- 如何将 Bernoulli 序列中各长度成功与失败游程数量的联合生成函数，推广到一类再生二元马尔可夫过程？
- 方法与思路
- 作者推导相关游程数量的联合概率生成函数，并对另一相关过程类构造仅由成功游程定义的总得分生成函数。
- 材料陈述的贡献
- 摘要称，将已有 Bernoulli 游程结果推广到再生二元马尔可夫过程，并推导相关总得分期望与方差的渐近公式。
- 阅读关注点
- 应核对再生过程与相关过程类的定义、游程计数的边界处理，以及总得分规则和渐近公式的适用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出具体过程限制或应用细节，不能将结果推广到任意二元马尔可夫链。
原文摘要
Gontcharov obtained the joint probability generating function for the numbers of runs of all lengths, both of successes and failures, in a Bernoulli sequence. This is here generalized to a class of regenerative binary Markov processes. For an allied class of Markov processes, the probability generating function is obtained for a "total score" defined in terms of runs of successes only, and asymptotic formulas are derived for the expectation and variance of the score.