半鞅序列积分误差的极限过程的收敛定理

Jacod, Jakubowski和M\'emin讨论了与单个独立增量过程$X$的误差过程$^n\!X =X_t-X_{[nt]/n}$相关的积分误差过程$Y^n(X)$和$Z^{n,p}(X)$, 研究了半鞅序列$\{(nY^n(X),nZ^{n,p}(X))\}_{n\ge 1}$的极限定理. 记半鞅序列$\{(nY^n(X),nZ^{n,p}(X))\}_{n\ge1}$的极限过程为$(Y(X),Z^p(X))$, Jacod等给出了其极限过程$(Y(X)$, $Z^p(X))$的表达式. 本文将研究半鞅序列$\{X^n\}_{n\ge1}$积分误差的极限过程$Y(X^n)$和$Z^{p}(X^n)$的收敛定理, 主要研究半鞅序列$\{(X^n,Y(X^n),Z^p(X^n))\}_{n\ge1}$的依分布弱收敛和依分布稳定收敛.     

H-值半鞅测度的弱收敛

本文引进了H-值半鞅测度，研究了其基本性质和与之相联系的随机积分，本文还引入了H-值半鞅测度序列依分布弱收敛的概念，建立了H-值半鞅测度的极限定理，给出了H-值半鞅测度弱收敛的条件。     

闭区间值鞅及模糊数值鞅

集值上鞅、下鞅和鞅的收敛定理已有不少文章进行了研究[1]、[2][3]。但在这些文章中,集值上(下)鞅并不以经典的上(下)鞅为其特款。在本文中,我们定义了以经典上(下)鞅为其特款的闭区间值上(下)鞅,并讨论了它们的性质及其收敛定理。本文还在此基础上讨论了模糊数值鞅。     

半参数回归模型的近邻估计——鞅差误差序列情形

在鞅差误差序列下,给出了半参数回归模型中有关参数β和g(t)的近邻估计,研究了估计量的相合性,在相当一般的条件下,得到了理想的结果。     

非Lipschitz条件下半鞅随机微分方程解的唯一性(英文)

本文研究了非Lipschitz条件下半鞅随机微分方程.利用It(o)分析和Gronwall不等式,探讨了随机微分方程无爆炸解,并证明了随机微分方程解的唯一性.     

半鞅局部时的几个公式

本文将建立有关半鞅局部时的几个公式,并将其应用于半鞅。此外,给出Azéma-Yor公式的一个变种。 令(Ω,(?),P,((?)_t))为一满足通常条件的空间。设X为一半鞅,我们用L(X)(或L)表示X在0处的局部时(简称局部时),即L(X)为一零初值连续适应增过程,使得     

关于集值逆鞅的一些结果

证明了集值逆(上、下)鞅在Hausdorff收敛意义下的收敛定理,给出了集值逆鞅、逆上鞅在Kuratowski收敛意义下的收敛定理及集值逆下鞅在Kuratowski-Mosco收敛意义、弱收敛意义下的收敛定理。     

集值逆鞅的收敛性

研究集值逆鞅(集值逆上鞅)在Kuratowski收敛意义,Kuratowski-Mosco收敛意义及弱收敛意义下的收敛定理.     

集值Pramart的一类鞅逼近

在X^＊可分的条件下,首先讨论了集值Pramart有关支撑函数和距离函数的性质,利用支撑函数和距离函数研究了集值Pramart鞅逼近,在此基础上,给出了集值Pramart的一类鞅分解.     

集值序上鞅

本文研究了连续时间的集值序上鞅．在一定的条件下首先证明了集值序上鞅有（Ｋ－Ｍ）Ｒｉｅｓｚ分解;然后证明了集值序上鞅的Ｄｏｏｂ－停时定理．     

一类马尔可夫序列最大值的极限律

主要研究一类马尔可夫序列{Xn,n≥0}的最大值的极限分布.导出了这类序列最大值和最小值的分布表达式,利用经典极值理论,建立了规范化最大值max{X0,X1,…,Xn}与i.i.d序列{ξn,n≥1}的规范化最大值max{1ξ,2ξ,…,ξn+1}具有相同极限律的条件.     

独立重尾随机变量随机和的大偏差估计

本文研究了一类独立重尾随机变量随机和S（t)∧=∑k=1^N(t)Xk,t≥0的大偏差概率，其中{N(t),t≥0}是一放大晨负整数值随机变量；{Xn,n≥1}是非负，独立随机变量序列，并与{N(t),t≥０}独立。本文的结果将{Xn,n≥１}为独立同分布情形推广到了独立不同分布情形。     

任意信源与马氏信源比较及小偏差定理

设{X_n,n≥0}是在S={1,2,…N}中取值的可测函数列,P、Q是测度空间上的两个概率测度,其中Q关于{X_n,n≥0}是马氏测度.本文引进了P关于Q的样本散度率距离的概念,并利用这个概念得到了任意信源二元函数一类平均值的小偏差定理,作为推论得到了任意信源熵密度的小偏差定理.最后我们将Shannon-McMillan定理推广到非齐次马氏信源情形.     

由随机过程序列产生的滑动平均过程部分和的弱收敛

本文讨论了由ρ-混合随机过程序列产生的形如Xk(t)=∑j=0∞ajεk-j(t),0≤t≤1,其中{aj;j≥0)为一实数序列,满足∑j=0∞|aj|<∞的滑动平均过程部分和的弱收敛性;同时也讨论了由此滑动平均过程产生的形如Yn(s,t)=1/n~(1/2)∑k=1[n,s]Xk(t),0≤s,t ≤ 1的随机过程的弱收敛性,以及随机足标和SNn(t)=∑k=1NnXk(t)的弱收敛性.     

回归函数改良核估计的渐近分布

设(X1,Y1),…,(Xn,Yn)是来自二元总体(X,Y)的样本,若EY＜∞,则回归函数m(x)＝E(Y｜X＝x)存在。在本文中,考虑m(x)的改良核估计     

关于可列非齐次马氏链的若干极限定理

设{Xn,n≥0}是一列非齐次马尔科夫链,{an,n≥0}是一列固定的非负整数序列.首先构造了一个带参数的广义似然比函数,然后利用Borel-Cantelli引理证明随机变量序列几乎处处收敛性,得到了关于可列非齐次马氏链序偶广义平均的若干极限定理,推广了已有的结果.     

On Wong-Zakai approximation of stochastic differential equations

An approximation theorem of stochastic differential equations driven by semimartingales is proved, based on approximation of semimartingales by a sequence of processes with piecewise monotonic sample functions.     

弱相依随机序列的若干新结果(英文)

设{Xn,n≥1}为-混合序列. 利用随机变量的截尾方法和-混合序列的三级数定理,讨论了-混合序列的收敛性质,并且得到了-混合序列的一类强极限定理,这些结果推广了独立序列的相应结果.最后研究了-混合序列加权和的强稳定性.     

风险模型中重尾随机变量和的若干大偏差结果

进一步研究随机变量部分和与随机和的大偏差,其中S(n)=∑ni=1Xi,S(t)=∑N(t)i=1Xi(t>0).{Xn,n≥1}是一个独立同分布的随机变量(未必是非负的)序列具有共同的分布F(定义于R上)和有限期望μ=EX1.{N(t),t≥0}是一个非负的整数值的随机变量的更新计数过程且与{Xn,n≥1}相互独立.本文在假定F∈C条件下,进一步推广并改进了由Klüppelberg等和Kaiw等人给出的一些大偏差结果.这些结果可应用到某些金融保险方面的一些特定的问题中去.     

关于大偏差概率的一个界

研究得到了关于随机和S(t)=∑N(t)i=1Xi,t≥0大偏差的幂的一个界,其中(N(t))t≥0是一族非负整值随机变量,(Xn)n∈N是独立同分布的随机变量,其共同的分布函数是F与(N(t))t≥0独立.本结论是在假设分布函数F的右尾属于ERV族的情况下得到的.