NSD序列加权和的中心极限定理及其在EV回归模型中的应用

基于负超可加相依(简称为NSD)随机序列的性质及其一些不等式,利用随机变量的截断方法建立了NSD随机序列加权和的中心极限定理,从而推广了负相协NA随机序列的相应结论.并将其应用到变系数EV回归模型,得到了未知参数LS估计的渐近正态性.     

L族END的多元部分和的精确大偏差下界

从保险的实际出发,研究服从长尾分布族(L族)上的多元风险模型中随机变量序列的部分和的精确大偏差,其中假设随机变量序列是一列延拓负相依(END)的、同分布的随机变量序列,利用基于求L族的精确大偏差的方法得到了随机变量部分和的渐近下界.     

基于相依风险模型破产概率的渐近估计及其实证分析

本文研究了重尾相依风险模型,其中索赔额是一列上广义负相依随机变量,索赔时间间隔是—列广义负相依随机变量,并且两个序列是相互独立的,得到了保险公司最终破产概率的渐近结果。并且利用中国人民财产保险股份有限公司2008年的重大赔付数据,对该公司的最终破产概率进行了实证分析。     

重尾相依随机变量的随机加权和尾概率的渐近估计（英文）

令{X_k;k≥1}为一列实值随机变量,{θ_k;k≥1}为另一列与之独立的随机变量序列.假设{X_k;k≥1}为两两广义负象限相依且服从重尾分布,在{θ_k;k≥1}独立和相依条件下,本文得到了一些渐近估计.     

行为渐近几乎负相关随机变量阵列加权和的完全矩收敛性（英文）

本文考虑行为渐近几乎负相关(AANA)随机变量阵列加权和的完全矩收敛性,在未同分布假设下建立了完全矩收敛性的一些充分条件.获得的主要结果分别推广和改进了负相关随机变量和渐近几乎负相关随机变量的相应结论.     

渐近几乎负相关随机变量和的收敛性（英文）

本文运用渐近几乎负相关(简称AANA)随机序列的矩不等式与截尾的方法,得到了不同分布的AANA随机序列最大部分加权和完全矩收敛的充分必要条件.所得结果推广和改进了文献[15]、[16]和[17]相应的结论.     

WOD随机变量加权和的完全收敛性

宽象限相依变量(简称WOD变量)是一类包含独立变量,负相协变量(简称NA变量),负象限相依变量(简称NOD变量)和推广的负象限相依变量(简称END变量)在内的非常广泛的相依变量.本文利用WOD变量的Rosenthal型矩不等式和随机变量的截尾技术,在一般的条件下建立了WOD变量加权和的完全收敛性.所得结果推广了若干相依变量的相应结果.     

AANA随机变量序列加权和的Teicher型强大数律

本文研究AANA随机变量序列加权和的Teicher型强大数律,利用AANA随机变量最大值的Rosenthal型不等式,给出AANA随机变量序列加权和的Teicher 型强大数律的几个充分条件.所得的结果推广和改进了前人在NA列时的相应结果.     

AANA随机变量序列的完全矩收敛和积分收敛的等价条件

利用AANA随机变量的Rosenthal型矩不等式,得到了AANA随机变量序列的完全矩收敛和积分收敛的等价条件.这些结果完善了已有的结果.     

相依的高斯及非负随机序列的强大数定律

根据Alexander对具有正、负相协的随机变量序列满足强大数定律的条件,本文研究具有一般相依结构的高斯随机变量序列、非负随机变量序列以及一致有界随机变量序列,给出了其满足强大数定律的充分条件.最后给出了一个高斯序列满足强大数定律条件的例子.