共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
研究具有相依结构的离散时间比例再保险模型的破产概率.在模型中假设随机利率和索赔间隔时间是相依的.利用更新递归技巧,首先得到了破产概率满足的递归方程.然后,根据该递归方程得到了破产概率的上下界估计. 相似文献
3.
研究两类具有相依结构的离散时间风险模型的破产概率问题.其中,索赔和利率过程假设为2个不同的自回归移动平均模型.利用更新递归技巧,首先得到了该模型下破产概率所满足的递归方程.然后,根据该递归方程得到了破产概率的上界估计.最后对两类风险模型的破产概率的上界进行了比较. 相似文献
4.
5.
6.
设犡是一完备可分度量空间,犓(ω)为Graf随机模型下的随机递归集.该文构造了一列随机不变测度μ狀(狀≥1),它们是Hutchinson确定模型下不变测度的推广;证明了存在一随机概率测度μ ,使得Suppμ =犓(ω)且μ狀→μ (狀→∞)(弱收敛);得到了μ狀的一些局部性质. 相似文献
7.
利用随机的Bernstein多项式研究随机逼近问题具有一定的意义.借助弱收敛的概念,从分布函数的角度,讨论了随机Bernstein多项式依分布收敛问题.同时,与依概率收敛结果相比较,以此说明Bernstein多项式序列依分布收敛适用的范围更广. 相似文献
8.
构造了随机自相似分形及其上的记忆函数,并得出了有关结论,在此基础上,我们可以定义一个随机概率测度dΦn(τ)=Kn(τ)dτ,Φn(τ)弱收敛于Φ,进一步可得到强测度序列Ψn(.)=EΦn(.),则{Ψn}弱收敛于Ψ=EΦ. 相似文献
9.
构造了随机自相似分形及其上的记忆函数,并得出了有关结论,在此基础上,我们可以定义一个随机概率测度dΦn(τ)=Kn(τ)dτ,Φn(τ)弱收敛于Φ,进一步可得到强测度序列Ψn(·)=EΦn(·),则{Ψn}弱收敛于Ψ=EΦ. 相似文献
10.
11.
可测函数序列关于弱收敛概率测度序列积分的极限定理 总被引:1,自引:0,他引:1
研究了可测函数序列关于弱收敛概率测度序列积分的极限定理及其控制收敛定理,并给出了概率测度弱收敛的若干新的等价条件. 相似文献
12.
13.
研究了带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性问题.通过构造合适的Lyapunov泛函,得到了判定带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定的充分条件.并举例说明结论的有效性. 相似文献
14.
多类顾客多服务台队列网络的高负荷极限定理 总被引:1,自引:0,他引:1
刘建民 《数学的实践与认识》2004,34(1):108-112
多类顾客多服务台队列网络广泛地应用到计算机网络、通讯网络和交通网络 .由于系统的复杂性 ,其数量指标的精确解很难求出 .为了寻求逼近解 ,本文用概率测度弱收敛理论对进行了研究 ,在高负荷的条件下 ,我们获得了网输入过程、闲时过程和负荷过程的极限定理 . 相似文献
15.
<正> 设ξ,ξ_n,n=1,2,…为随机过程.我们常常遇到的一类问题是:已知ξ_n的有限维分布收敛于ξ的有限维分布,问要加上什么条件就可以推出ξ_n依分布收敛于ξ?随机过程可以看作是取值于函数空间的随机元,因此这类问题可以化为函数空间上测度的弱收敛问题. 郑曾同考虑了一般的函数空间,获得了函数空间上测度弱收敛的一个准则.他的 相似文献
16.
本文研究带有切换拓扑和随机故障影响的Cucker-Smale模型的集群演化特点,在切换时间间隔和故障概率满足一定约束条件下,给出系统几乎必然发生集群演化的充分条件.鉴于随机故障和拓扑切换的综合影响,Cucker-Smale模型产生了复杂的集群演化行为,其中集群收敛速度随着故障概率的增加会显著减慢.同时,我们在切换过程中并不要求每时每刻的交互图都具生成树.只需保证在有限时间段内联合图具有生成树.进一步,数值仿真结果显示,当切换时间间隔增加或故障概率较大时,系统的集群演化行为将会遭到破坏. 相似文献
17.
18.
本文将经典的Sparre-Andevsen风险模型推广到保费收入过程不再是线性过程的一般风险过程,得到了一些关于负相协D族随机变量随机和的大偏差结果,以及破产概率的弱等价性. 相似文献
19.
距离空间上测度的局部弱收敛 总被引:1,自引:0,他引:1
<正> 和一般随机过程理论一样,极限理论在随机测度与点过程中占有特殊重要的地位(可见[2]第三章及[3]).然而,研究收敛性问题,弱收敛、局部弱收敛与淡(Vague)收敛是很基本的工具.其中弱收敛与淡收敛是已为人所熟知的概念.由本文首次给出名称的“局部弱收敛”,在[2]中借助于距离在可分完备距离空间中已经有所讨论并且获得了广泛的应用(见综述文章[5])不过那里没有使用这一名称. 相似文献
20.
针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。 针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism) 给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。 相似文献