重尾平稳序列的大偏差

本文给出了一类重尾的随机变量序列{Xn,n≥1}的部分和Sn=∑i=1 n Xi与随机和S(t)=∑i=1^N(t) Xi的大偏差结果其中{N(t),t≥)}是一族非负整值的随机变量，{Xn,n≥1}是非负的平稳过程，并且与{N(t),t≥0}独立。本文将独立同分布情形的结果掖到了平稳相依的情形。     

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.     

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。     

Large deviations for heavy-tailed random sums of independent random variables with dominatedly varying tails

We prove large deviation results on the partial and random sums Sn = ∑i=1n Xi,n≥1; S(t) = ∑i=1N(t) Xi, t≥0, where {N(t);t≥0} are non-negative integer-valued random variables and {Xn;n≥1} are independent non-negative random variables with distribution, Fn, of Xn, independent of {N(t); t≥0}. Special attention is paid to the distribution of dominated variation.     

Large deviations for sums of independent random variables with dominatedly varying tails

In this paper the large deviation results for partial and random sums Sn-ESn=n∑i=1Xi-n∑i=1EXi,n≥1;S(t)-ES(t)=N(t)∑i=1Xi-E(N(t)∑i=1Xi),t≥0are proved, where {N(t); t≥ 0} is a counting process of non-negative integer-valued random variables, and {Xn; n ≥ 1} are a sequence of independent non-negative random variables independent of {N(t); t ≥ 0}. These results extend and improve some known conclusions.     

截断情况下独立随机变量样本均值和方差的近似分布

设X1，X2……Xn为非负随机变量，相互独立具有共同的分布函数F(t)，Y1，Y2……Yn是相应的干扰随机变量，非负，相互独立具有共同的分布G(t)，并且Xi与Yi也相互独立，文章在仅能观察到Zi=min(Xi，Yi)．δi=I(Xi≤Yi)，i=1，2……，n和假设G已知的情况下．分别定义了F的均值和方差的估计量，并求出了估计量的近似分布．     

(D)族中大偏差的一个不等式

在文献[2]中,F是一有有限期望μ支撑在(-∞,+∞)上的分布函数(d.f.).若其尾分布F=1-F属于D族,那么对任意的γ＞max(μ,0),存在常数C(γ,0),存在常数C(γ)＞0和D(γ)＞0使得C(γ)n(F)(x)≤(Fn*)(x)≤D(γ)n(F)(x),对所有的n≥1和所有的x≥γn成立.本文中我们将其推广成离散情况下精细大偏差的一个不等式,并进一步在连续时间下得到关于部分和S(t)=N(t)∑i=1Xi,t≥0的精细大偏差类似的不等式.     

族中大偏差的一个不等式

在文献[2]中,F是一有有限期望μ支撑在(-∞,+∞)上的分布函数(d.f.).若其尾分布F=1-F属于D族,那么对任意的γ＞max(μ,0),存在常数C(γ,0),存在常数C(γ)＞0和D(γ)＞0使得C(γ)n(F)(x)≤(Fn*)(x)≤D(γ)n(F)(x),对所有的n≥1和所有的x≥γn成立.本文中我们将其推广成离散情况下精细大偏差的一个不等式,并进一步在连续时间下得到关于部分和S(t)=N(t)∑i=1Xi,t≥0的精细大偏差类似的不等式.     

一类非标准随机游动及其在风险理论中的应用

考虑一类非标准的随机游动Sn=X1 … Xn,其中Xi(i≥1)为一列独立的随机变量序列,X1的分布函数为G,Xi(i≥2)具有共同的分布函数F.本文主要研究了F与G属于S(γ)族时,非标准随机游动的尾等价式和局部等价式,并给出在风险理论中的一些应用.     

独立不同分布经验过程的大偏差原理

设（Xn) n≥1是取值于可测空间（E,B^A)的一串独立随机变量,考虑经验过程Ln(f)=1/n ∑i=1^nf(Xi),f属于某个有界函数集F。运用Talagrand-Ledoux偏差不等式,我们得到其大偏差估计的充分必要条件。最后推广到无界函数族情形。     

A contribution to large deviations for heavy-tailed random sums

In this paper we consider the large deviations for random sums , whereX _n,n⩾1 are independent, identically distributed and non-negative random variables with a common heavy-tailed distribution function F, andN(t), t⩾0 is a process of non-negative integer-valued random variables, independent ofX _n,n⩾1. Under the assumption that the tail of F is of Pareto’s type (regularly or extended regularly varying), we investigate what reasonable condition can be given onN(t), t⩾0 under which precise large deviation for S( t) holds. In particular, the condition we obtain is satisfied for renewal counting processes.     

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.     

广义复合二项风险模型的若干大偏差结果

This paper is a further investigation of large deviation for partial and random sums of random variables, where {Xn,n ≥ 1} is non-negative independent identically distributed random variables with a common heavy-tailed distribution function F on the real line R and finite mean μ∈ R. {N（n）,n ≥ 0} is a binomial process with a parameter p ∈ （0,1） and independent of {Xn,n ≥ 1}; {M（n）,n ≥ 0} is a Poisson process with intensity λ 〉 0, Sn = ΣNn i=1 Xi-cM（n）. Suppose F ∈ C, we futher extend and improve some large deviation results. These results can apply to certain problems in insurance and finance.     

两两独立同分布序列Cesàro强大数定律的收敛速度

设{X,Xn,n≥0}是两两独立同分布的随机变量序列,11．为了证明这一结论而获得到的两两负相关随机变量序列的Cesaro强大数定律收敛速度的结果本身也是有意义的．此结果对于同分布的两两NQD序列也是对的．     

指数索赔情形下一类相依两险种风险模型的破产概率

考虑一类稀疏过程下索赔相依的两险种风险模型:U(t)=u+ct-∑i=1N2(t)X_i-∑i=1N2(t)Y_(i),其中{N_1(t),t≥0}、{N_2(t),t≥0}分别表示两个险种的索赔次数,它们按下述方式相关:N_1(t)N_(11)(t)+N_(12)(t),N_2(t)=N_(22)(t)+N'_(12)(t),{N'_(12)(t),t≥0}是{N_(12)(t),t≥0}的一个p-稀疏.考虑下列两种情形:(Ⅰ){N_(11)(t),t≥0}、{N_(12)(t),t≥0}、{N_(22)(t),t≥0}均为Poisson过程;(Ⅱ){N_(11)(t),t≥0}、{N_(22)(t),t≥0}为Poisson过程,{N_(12)(t),t≥0}为Erlang(2)过程.在上述两种情形下,当两险种的单次索赔额均服从指数分布时,通过建立并求解生存概率所满足的微分方程,给出其破产概率的表达式.     

Large Deviations for Sums of Independent Heavy-Tailed Random Variables

We obtain precise large deviations for heavy-tailed random sums , of independent random variables. are nonnegative integer-valued random variables independent of r.v. (X _i )i N with distribution functions F _i. We assume that the average of right tails of distribution functions F _i is equivalent to some distribution function with regularly varying tail. An example with the Pareto law as the limit function is given.