Šiame darbe atliekami stochastinių minimumų asimptotiniai tyrimai. Įrodomos minimumų ribinės teoremos tuo atveju, kai tiesinis normalizavimas neduoda neišsigimusių ribinių skirstinių, tokiu atveju taikau netiesinį minimumų normalizavimą. Konkretaus skirstinio atveju randamos netiesinės normalizavimo funkcijos, kurių pagalba yra gaunami minimumų klasikiniai ribiniai skirstiniai. Įrodoma Perkėlimo teorema netiesiniam normalizavimui. Darbo tikslai: • ištirti netiesinio normalizavimo reikalingumą; • išanalizuoti netiesinio normalizavimo galimybes minimumų schemoje. Darbo uždaviniai: • parinkti netiesinio normalizavimo funkciją konkretaus skirstinio atveju; • gauti ribinius klasikinius skirstinius, kai minimumai normalizuojami netiesiškai; • įvertinti konvergavimo greitį ribinėse teoremose; • atlikti aproksimavimo paklaidų kompiuterinę analizę. / This paper is the asymptotic analysis of stochastic minima. Proofs of minima limit theorems are provided for cases, when linear normalization does not give non-degenerate limit distributions. In this cases, non-linear minima normalization is used. For a specific distribution, non-linear normalization functions are calculated, which are then used to get classic limit distributions for minima. Objectives: • Examine the necessity of non-linear normalization; • Analyze the possibilities for non-linear normalization in minimum pattern. Tasks: • Choose non-linear normalization function for a specific distribution; • Get classic limit distributions, where minima are normalized non-linearly; • Investigate the rate of convergence within the limit theorems; • Perform computer-based analysis of approximation errors.