<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Research of Iran</title>
<title_fa>مجله‌ی پژوهش‌های آماری ایران</title_fa>
<short_title>JSRI</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jsri.srtc.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2538-5771</journal_id_issn>
<journal_id_issn_online>2538-5763</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>10.52547/jsri</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>en</language>
<pubdate>
	<type>jalali</type>
	<year>1383</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2004</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>1</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>en</language>
	<article_id_doi></article_id_doi>
	<title_fa>مفهوم زیرْاستقلال و کاربرد آن در آمار و احتمال</title_fa>
	<title>The Concept of Sub-independence and Its Application in Statistics and Probabilities</title>
	<subject_fa>عمومى</subject_fa>
	<subject>General</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot;&gt;&amp;nbsp;بسیاری از قضیه&#8204;های حدّی و همگرایی و مشخص&#8204;سازی توزیع&#8204;ها در احتمال و آمار ریاضی، به&#8204;ویژه آن&#8204;هایی که مربوط به توزیع نرمال هستند، بر اساس فرض استقلال دو یا چند متغیر تصادفی بنا شده&#8204;اند. با این حال در اثبات این قضیه&#8204;ها اغلب از قدرت کامل استقلال استفاده نمی&#8204;شود؛ زیرا آنچه مورد نیاز است توزیع حاصل&#8204;جمع متغیرهای تصادفی است، نه توزیع مشترک آن&#8204;ها. در این مقاله مفهومی را دوباره معرفی می&#8204;کنیم که نسبت به استقلال، کاملاً ضعیف است و در اکثر قضیه&#8204;های اشاره شده در بالا می&#8204;تواند جایگزین مفهوم استقلال شود. یک مفهوم نسبتاً جدید دیگر نیز مورد اشاره قرار خواهد گرفت و برخی از نتایج مربوط نیز تشریح خواهد شد.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p dir=&quot;LTR&quot;&gt;&lt;span style=&quot;line-height: 1.6em;&quot;&gt;&amp;nbsp;Many Limit Theorems, Convergence Theorems and Characterization Theorems in Probability and Statistics, in particular those related to normal distribution , are based on the assumption of independence of two or more random variables.&lt;/span&gt;&lt;/p&gt;

&lt;p dir=&quot;LTR&quot;&gt;However, the full power of independence is not used in the proofs of these Theorems, since it is the distribution of summation of the random variables which is needed and not the joint distribution of the variables. A concept is re-introduced, which is quite weak in comparison to independence, and can replace the concept of independence in most of the above mentioned theorems. Another relatively new concept will also be mentioned and some related results are discussed.&lt;/p&gt;

&lt;p dir=&quot;LTR&quot;&gt;&lt;/p&gt;
</abstract>
	<keyword_fa>متغیرهای تصادفی زیرمستقل, متغیرهای تصادفی معکوس, مشخص‌سازی توزیع‌ها.</keyword_fa>
	<keyword> sub-independent random variables, reciprocal random variables, characterization of distributions.</keyword>
	<start_page>13</start_page>
	<end_page>30</end_page>
	<web_url>http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-107&amp;slc_lang=en&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name>G. Hamedani</last_name>
	<suffix></suffix>
	<first_name_fa>حسین</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>قراگوزلو همدانی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>g.hamedani@mu.edu</email>
	<code>1003194753284600805</code>
	<orcid>1003194753284600805</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
