We study certain questions related to the performance of the Karp-Sipser algorithm on the sparse Erdös-Rényi random graph. The Karp-Sipser algorithm, introduced by Karp and Sipser [34] is a greedy algorithm which aims to obtain a near-maximum matching on a given graph. The algorithm evolves through a sequence of steps. In each step, it picks an edge according to a certain rule, adds it to the matching and removes it from the remaining graph. The algorithm stops when the remining graph is empty. In [34], the performance of the Karp-Sipser algorithm on the Erdös-Rényi random graphs G(n,M = [^cn/₂]) and G(n, p = ^c/_n), c > 0 is studied. It is proved there that the algorithm behaves near-optimally, in the sense that the difference between the size of a matching obtained by the algorithm and a maximum matching is at most o(n), with high probability as n → ∞. The main result of [34] is a law of large numbers for the size of a maximum matching in G(n,M = ^cn/₂) and G(n, p = ^c/_n), c > 0. Aronson, Frieze and Pittel [2] further refine these results. In particular, they prove that for c < e, the Karp-Sipser algorithm obtains a maximum matching, with high probability as n → ∞; for c > e, the difference between the size of a matching obtained by the algorithm and the size of a maximum matching of G(n,M = ^cn/₂) is of order Θ_{log n}(n^1/5), with high probability as n → ∞. They further conjecture a central limit theorem for the size of a maximum matching of G(n,M = ^cn/₂) and G(n, p = ^c/_n) for all c > 0. As noted in [2], the central limit theorem for c < 1 is a consequence of the result of Pittel [45]. In this thesis, we prove a central limit theorem for the size of a maximum matching of both G(n,M = ^cn/₂) and G(n, p = ^c/_n) for c > e. (We do not analyse the case 1 ≤ c ≤ e). Our approach is based on the further analysis of the Karp-Sipser algorithm. We use the results from [2] and refine them. For c > e, the difference between the size of a matching obtained by the algorithm and the size of a maximum matching is of order Θ_{log n}(n^1/5), with high probability as n → ∞, and the study [2] suggests that this difference is accumulated at the very end of the process. The question how the Karp-Sipser algorithm evolves in its final stages for c > e, motivated us to consider the following problem in this thesis. We study a model for the destruction of a random network by fire. Let us assume that we have a multigraph with minimum degree at least 2 with real-valued edge-lengths. We first choose a uniform random point from along the length and set it alight. The edges burn at speed 1. If the fire reaches a node of degree 2, it is passed on to the neighbouring edge. On the other hand, a node of degree at least 3 passes the fire either to all its neighbours or none, each with probability 1/2. If the fire extinguishes before the graph is burnt, we again pick a uniform point and set it alight. We study this model in the setting of a random multigraph with N nodes of degree 3 and α(N) nodes of degree 4, where α(N)/N → 0 as N → ∞. We assume the edges to have i.i.d. standard exponential lengths. We are interested in the asymptotic behaviour of the number of fires we must set alight in order to burn the whole graph, and the number of points which are burnt from two different directions. Depending on whether α(N) » √N or not, we prove that after the suitable rescaling these quantities converge jointly in distribution to either a pair of constants or to (complicated) functionals of Brownian motion. Our analysis supports the conjecture that the difference between the size of a matching obtained by the Karp-Sipser algorithm and the size of a maximum matching of the Erdös-Rényi random graph G(n,M = ^cn/₂) for c > e, rescaled by n^1/5, converges in distribution.

Les processus autorégressifs à bifurcation (BAR) ont été au centre de nombreux travaux de recherche ces dernières années. Ces processus, qui sont l'adaptation à un arbre binaire des processus autorégressifs, sont en effet d'intérêt en biologie puisque la structure de l'arbre binaire permet une analogie aisée avec la division cellulaire. L'objectif de cette thèse est l'estimation les paramètres de variantes de ces processus autorégressifs à bifurcation, à savoir les processus BAR à valeurs entières et les processus BAR à coefficients aléatoires. Dans un premier temps, nous nous intéressons aux processus BAR à valeurs entières. Nous établissons, via une approche martingale, la convergence presque sûre des estimateurs des moindres carrés pondérés considérés, ainsi qu'une vitesse de convergence de ces estimateurs, une loi forte quadratique et leur comportement asymptotiquement normal. Dans un second temps, on étudie les processus BAR à coefficients aléatoires. Cette étude permet d'étendre le concept de processus autorégressifs à bifurcation en généralisant le côté aléatoire de l'évolution. Nous établissons les mêmes résultats asymptotiques que pour la première étude. Enfin, nous concluons cette thèse par une autre approche des processus BAR à coefficients aléatoires où l'on ne pondère plus nos estimateurs des moindres carrés en tirant parti du théorème de Rademacher-Menchov. / Bifurcating autoregressive (BAR) processes have been widely investigated this past few years. Those processes, which are an adjustment of autoregressive processes to a binary tree structure, are indeed of interest concerning biology since the binary tree structure allows an easy analogy with cell division. The aim of this thesis is to estimate the parameters of some variations of those BAR processes, namely the integer-valued BAR processes and the random coefficients BAR processes. First, we will have a look to integer-valued BAR processes. We establish, via a martingale approach, the almost sure convergence of the weighted least squares estimators of interest, together with a rate of convergence, a quadratic strong law and their asymptotic normality. Secondly, we study the random coefficients BAR processes. The study allows to extend the principle of bifurcating autoregressive processes by enlarging the randomness of the evolution. We establish the same asymptotic results as for the first study. Finally, we conclude this thesis with an other approach of random coefficient BAR processes where we do not weight our least squares estimators any more by making good use of the Rademacher-Menchov theorem.

Der Beitrag unterteilt sich in zwei Teile: Teil 1 (vgl. Informationen/07; 1976,05) und Teil 2 (cp. Informationen/07; 1976,06). Teil 1 enthält eine Einleitung und Grenzwertsätze für unabhängige und identisch verteilte Zufallsgrößen und die Übertragung der betrachteten Grenzwertsätze auf den Fall der Existenz einseitiger Momente. Teil 2 enthält Grenzwertsätze für mittlere Abweichungen für Summen unabhängiger nichtidentisch verteilter Zufallsgrößen (Serienschema) und eine Diskussion der erhaltenen Ergebnisse und schließlich einige Literaturangaben. Sei F_n(x) die Verteilungsfunktion der Summe X_1+X_2+...+X_n, wobei X_1, X_2, ...,X_n unabhängige und identisch verteilte Zufallsgrößen mit Erwartungswert 0 und Streuung 1 und endlichen absoluten Momenten c_m, m>2, sind, und sei Phi die standardisierte Normalverteilungsfunktion. Es werden absolute Konstanten L_i derart berechnet, dass wir Fehlerabschätzungen im unleichmäßigen zentralen Grenzwertsätzen in verschiedenen Fällen angeben können, wobei sich der Index i in L_i auf folgende fünf Fälle bezieht: kleine x, mittlere Abweichungen für x, große Abweichungen für x, kleine n und große n. Im Fall der Existenz einseitiger Momente werden obere Schanken für 1-F_n(x) angegeben für x>D_m*n^(1/2)*ln(n) bzw. x>D_m*n^(1/2)*(ln(n))^(1/2), womit Ergebnisse von S.V.NAGAEV(1965) präzisiert werden. / The paper is divided in two parts: part 1 (cp. Informationen/07; 1976,05) and part 2 (cp. Informationen/07; 1976,06). Part 1 contains an introduction and limit theorems for iid random variables and the transfer of the considered limit theorems to the case of the existence of onesided moments. Part 2 contains limit theorems of moderate deviations for sums of series of non iid random variables and a discussion of all obtained results in part 1 and 2 and finally some references. Let F_n(x) be the cdf of X_1+X_2+...+X_n, where X_1, X_2, ...,X_n are iid random variables with mean 0 and variance 1 and with m-th absolute moment c_m, m>2, and Phi the cdf of the unit normal law. Explicit universal constants L_i are computed such that we have an error estimate in the nonuniform central limit theorem with the L_i, where i corresponds to the five cases considered: small x, moderate deviations for x, large deviations for x, small n , large n. Additional upper bounds for 1-F_n(x) are obtained if the one-sided moments of order m, m>2, are finite and if x>D_m*n^(1/2)*ln(n) and x>D_m*n^(1/2)*(ln(n))^(1/2) respectively improving results by S.V.NAGAEV (1965).

Der Beitrag unterteilt sich in zwei Teile: Teil 1 (vgl. Informationen/07; 1976,05) und Teil 2 (cp. Informationen/07; 1976,06). Teil 1 enthält eine Einleitung und Grenzwertsätze für unabhängige und identisch verteilte Zufallsgrößen und die Übertragung der betrachteten Grenzwertsätze auf den Fall der Existenz einseitiger Momente. Teil 2 enthält Grenzwertsätze für mittlere Abweichungen für Summen unabhängiger nichtidentisch verteilter Zufallsgrößen (Serienschema) und eine Diskussion der erhaltenen Ergebnisse und schließlich einige Literaturangaben. Sei F_n(x) die Verteilungsfunktion der Summe X_1+X_2+...+X_n, wobei X_1, X_2, ...,X_n unabhängige und identisch verteilte Zufallsgrößen mit Erwartungswert 0 und Streuung 1 und endlichen absoluten Momenten c_m, m>2, sind, und sei Phi die standardisierte Normalverteilungsfunktion. Es werden absolute Konstanten L_i derart berechnet, dass wir Fehlerabschätzungen im unleichmäßigen zentralen Grenzwertsätzen in verschiedenen Fällen angeben können, wobei sich der Index i in L_i auf folgende fünf Fälle bezieht: kleine x, mittlere Abweichungen für x, große Abweichungen für x, kleine n und große n. Im Fall der Existenz einseitiger Momente werden obere Schanken für 1-F_n(x) angegeben für x>D_m*n^(1/2)*ln(n) bzw. x>D_m*n^(1/2)*(ln(n))^(1/2), womit Ergebnisse von S.V.NAGAEV(1965) präzisiert werden. Der Beitrag unterteilt sich in zwei Teile: Teil 1 (vgl. Informationen/07; 1976,05) und Teil 2 (cp. Informationen/07; 1976,06). Teil 1 enthält eine Einleitung und Grenzwertsätze für unabhängige und identisch verteilte Zufallsgrößen und die Übertragung der betrachteten Grenzwertsätze auf den Fall der Existenz einseitiger Momente. Teil 2 enthält Grenzwertsätze für mittlere Abweichungen für Summen unabhängiger nichtidentisch verteilter Zufallsgrößen (Serienschema) und eine Diskussion der erhaltenen Ergebnisse und schließlich einige Literaturangaben. Sei F_n(x) die Verteilungsfunktion der Summe X_1+X_2+...+X_n, wobei X_1, X_2, ...,X_n unabhängige und identisch verteilte Zufallsgrößen mit Erwartungswert 0 und Streuung 1 und endlichen absoluten Momenten c_m, m>2, sind, und sei Phi die standardisierte Normalverteilungsfunktion. Es werden absolute Konstanten L_i derart berechnet, dass wir Fehlerabschätzungen im unleichmäßigen zentralen Grenzwertsätzen in verschiedenen Fällen angeben können, wobei sich der Index i in L_i auf folgende fünf Fälle bezieht: kleine x, mittlere Abweichungen für x, große Abweichungen für x, kleine n und große n. Im Fall der Existenz einseitiger Momente werden obere Schanken für 1-F_n(x) angegeben für x>D_m*n^(1/2)*ln(n) bzw. x>D_m*n^(1/2)*(ln(n))^(1/2), womit Ergebnisse von S.V.NAGAEV(1965) präzisiert werden. / The paper is divided in two parts: part 1 (cp. Informationen/07; 1976,05) and part 2 (cp. Informationen/07; 1976,06). Part 1 contains an introduction and limit theorems for iid random variables and the transfer of the considered limit theorems to the case of the existence of onesided moments. Part 2 contains limit theorems of moderate deviations for sums of series of non iid random variables and a discussion of all obtained results in part 1 and 2 and finally some references. Let F_n(x) be the cdf of X_1+X_2+...+X_n, where X_1, X_2, ...,X_n are iid random variables with mean 0 and variance 1 and with m-th absolute moment c_m, m>2, and Phi the cdf of the unit normal law. Explicit universal constants L_i are computed such that we have an error estimate in the nonuniform central limit theorem with the L_i, where i corresponds to the five cases considered: small x, moderate deviations for x, large deviations for x, small n , large n. Additional upper bounds for 1-F_n(x) are obtained if the one-sided moments of order m, m>2, are finite and if x>D_m*n^(1/2)*ln(n) and x>D_m*n^(1/2)*(ln(n))^(1/2) respectively improving results by S.V.NAGAEV (1965).

Der Beitrag stellt eine Verallgemeinerung der Ergebnisse dar, die in den Informationen/07; 1976,05 veröffentlicht wurden. Sei F_n(x) die Verteilungsfunktion der Summe X_1+X_2+...+X_n, wobei X_1, X_2, ...,X_n unabhängige und nicht notwendig identisch verteilte Zufallsgrößen mit endlichen absoluten Momenten c_m, m>2, sind, und sei Phi die standardisierte Normalverteilungsfunktion. Es werden absolute Konstanten L_m derart berechnet, dass wir Fehlerabschätzungen im unleichmäßigen zentralen Grenzwertsatz explizit angeben können. Als Spezialfall ergibt sich die ungleichmäßige Fehlerschranke von A.BIKELIS (1966) im Fall der Existenz dritter absoluter Momente. Weiterhin werden Grenzwertsätze unter Voraussetzung einseitiger Momente betrachtet. Es werden einige Literaturhinweise angegeben. / The paper is a generalization of the results, published by the author in Informationen/07; 1976,05. Let F_n(x) be the cdf of X_1+X_2+...+X_n, where X_1, X_2, ...,X_n are non iid random variables with m-th absolute moment c_m, m>2, and Phi the cdf of the unit normal law. Explicit universal constants L_m are computed such that we have some error estimates in the nonuniform central limit theorem. A special case is the nonuniform error bound by A.BIKELIS (1966) in the case of existence of third absolute moments. Furthermore limit theorems with assumption of onesided moments are considered. Some references are given.

Es wird eine Folge unabhängiger zentrierter Zufallsgrößen betrachtet, die absolute Momente der Ordnung m, 2<m<3, besitzen mögen. Dann gelten für die normierte Verteilungsfunktion der Zufallssumme X_1+X_2+...+X_n der zentrale Grenzwertsatz und insbesondere eine ungleichmäßige Fehlerabschätzung von A.BIKELIS (1966). In der vorliegenden Note werden die analytische Struktur der in dieser Fehlerabschätzung auftretenden Konstanten L=L(m) genauer untersucht sowie dazu erzielte numerische Resultate vorgelegt. Abschließend werden einige Literaturhinweise angegeben. Der Fall m=3 wurde bereits in der Dissertation (TU Dresden 1977) des Autors untersucht. / We consider a sequence of centered and independent random variables with moments of order m, 2<m<3. Now the central limit theorem for the distribution function of the normed sum X_1+X_2+...+X_n and especially a nonuniform error estimate by A.BIKELIS (1966) hold. In this paper the analytical structure of the appearing constant L=L(m) of the error bound and numerical results are presented. Finally some references are given. The case m=3 was already studied in the thesis (Dissertation TU Dresden, 1977) by the author.

With the prevalence of internet, it is gradually becoming a trend to use the network as a tool of computer-added education. However, it is used to present the computer-added education with static state of the word, but it is just convenient to read for the user and there are no difference with traditional textbook. As the growing up of WWW and the development of Java, the interactive computer-added education is becoming a trend in the future and it can promote the effect of teaching basic statistics with the application of this new media. The instructor can take advantage of HTML by combining with Java Applets to achieve the display of interactive education through WWW. In this paper, we will use six examples of Java Applets about statistical computer-added education to help student easily to learn and to understand some abstract statistical concepts. The key methods to reach the goal are visualization and simulation with the display of graphics or games. Finally, we will discuss how to use the Applets and how to add the Java Applets into your homepage easily.

We consider a simple one-dimensional random dynamical system with two driving vector fields and random switchings between them. We show that this system satisfies a one force - one solution principle and compute its unique invariant density explicitly. We study the limiting behavior of the invariant density as the switching rate approaches zero and infinity and derive analogues of classical probabilistic results such as the central limit theorem and large deviations principle.

No description available.

Le sujet principal de ce mémoire est l'étude de la distribution asymptotique de la fonction f_m qui compte le nombre de diviseurs premiers distincts parmi les nombres premiers $p_1,...,p_m$. Au premier chapitre, nous présentons les sept résultats qui seront démontrés au chapitre 4. Parmi ceux-ci figurent l'analogue du théorème d'Erdos-Kac et un résultat sur les grandes déviations. Au second chapitre, nous définissons les espaces de probabilités qui serviront à calculer les probabilités asymptotiques des événements considérés, et éventuellement à calculer les densités qui leur correspondent. Le troisième chapitre est la partie centrale du mémoire. On y définit la promenade aléatoire qui, une fois normalisée, convergera vers le mouvement brownien. De là, découleront les résultats qui formeront la base des démonstrations de ceux chapitre 1. / The main topic of this masters thesis is the study of the asymptotic distribution of the fonction f_m which counts the number of distinct prime divisors among the first $m$ prime numbers, i.e. $p_1,...,p_m$. The first chapter provides the seven main results which will later on be proved in chapter 4. Among these we find the analogue of the Erdos-Kac central limit theorem and a result on large deviations. In the following chapter, we define several probability spaces on which we will calculate asymptotic probabilities of specific events. These will become necessary for calculating their corresponding densities. The third chapter is the main part of this masters thesis. In it, we introduce a random walk which, when suitably normalized, will converge to the Brownian motion. We will then obtain results which will form the basis of the proofs of those of chapiter 1.