en مروری بر شبیه‌سازی متغیرهای تصادفی پایدار عمومى General پژوهشي Research <p dir="RTL">از آنجایی که به غیر از توزیع کوشی برای معکوس تابع توزیع یک متغیر تصادفی پایدار، فرم تحلیلی وجود ندارد، برای تولید عدد تصادفی از این توزیع‌ها نمی‌توان از روش تبدیل معکوس استفاده کرد. چمبرز و همکاران (۱۹۷۶) یک روش مستقیم را در حالت کلی برای شبیه‌سازی متغیرهای تصادفی پایدار ارایه کردند. عدم اثبات روابط در مقاله‌ی چمبرز و همکاران (۱۹۷۶) و همچنین استفاده از نمایش‌های مختلف برای تابع مشخصه‌ی توزیع‌های پایدار در مقاله‌ها و نوشته‌های مختلف، باعث رخ دادن برخی ابهامات و اشتباهات در روابط و الگوریتم‌ها شده است. در این مقاله روابط ارایه‌شده برای شبیه‌سازی مستقیم متغیرهای تصادفی پایدار را بررسی کرده و ضمن مقایسه‌ی آن‌ها، ابهامات و اشتباهات رخ داده در برخی از آن‌ها را بیان و تصحیح خواهیم کرد.&nbsp;<!--stripped--><!--stripped--></p> <p>In general case, Chambers et al. (1976) introduced the following algorithm for simulating any stable random variables $ X/sim(alpha, beta, gamma,&nbsp;delta) $ with four parameters. They use a nonlinear transformation of two independent uniform random variables for simulating an stable random variable... (<a href="./files/site1/files/Abs_Mohammadpour941026.pdf">to continue, click here</a>)</p> <p style="margin-left:34.05pt;"></p> توزیع‌های پایدار, تابع مشخصه,شبیه‌سازی متغیر تصادفی Stable distributions, characteristic function, simulating random variable 25 36 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-79&slc_lang=en&sid=1 Mehdi Firouzi مهدی فیروزی mehdi.firuzi@ymail.com 1003194753284600593 1003194753284600593 No Adel Mohammadpour عادل محمدپور adel@aut.ac.ir 1003194753284600594 1003194753284600594 Yes