重尾随机变量和的大偏差

This paper is a further investigation of large deviations for sums of random variables S_n=sum form i=1 to n X_i and S(t)=sum form i=1 to N(t) X_i,(t≥0), where {X_n,n≥1) are independent identically distribution and non-negative random variables, and {N(t),t≥0} is a counting process of non-negative integer-valued random variables, independent of {X_n,n≥1}. In this paper, under the suppose F∈G, which is a bigger heavy-tailed class than C, proved large deviation results for sums of random variables.     

特殊重尾随机变量随机和的大偏差

文献[1]对于一些经典重尾随机变量的随机和大偏差作了有意义的讨论,本文则讨论了另外一些同样有用的重尾随机和的大偏差.     

对于复合更新模型重尾随机和的大偏差结果的一个改进

本文在一个相对较弱的假设之下，得到了复合更新风险模型中重尾随机和的精确大偏差等价式，该结果对文[1]中的结果进行了改进。     

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。     

关于重尾随机和大偏差的一个注记

设｛Xκ,κ≥1｝为一列独立同分布的非随机变量,且具有共同的分布函数F。记Sn为序列｛Xκ,κ≥1｝的前n项部分和。在F属于ERV分布族的假定下,文中证明了关于随机和SN(t)的随机中心化的精细大偏差结果。这里N（t）为一个与｛Xκ,κ≥1｝独立的非负整数值的随机过程。     

负相协重尾随机变量随机和的中偏差

本文讨论了具有重尾负相协索赔的经典风险模型．通过一种改进后的大偏差技术，给出了索赔总量过程的中偏差结果：所获结果推广了独立索赔情形下的相应的结果．     

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.     

独立随机变量部分和的大偏差

本文把 Cramer 关于独立同分布随机变量序列部分和的大偏差的一个定理推广到独立不同分布随机变量序列的情形,获得了如下结果:定理设{X_j)j>1是实值独立随机变量序列,F_j(x)是 X_j 的分布,如果     

Large Deviations for Heavy-tailed Random Variables in Prospective-loss Process

In this paper, we study the precise large deviations for the prospectiveloss process with consistently varying tails. The obtained results improve some related known ones.     

LARGE DEVIATIONS AND MODERATE DEVIATIONS FOR SUMS OF NEGATIVELY DEPENDENT RANDOM VARIABLES

In this article, we obtain the large deviations and moderate deviations for negatively dependent (ND) and non-identically distributed random variables defined on (-∞, +∞). The results show that for some non-identical random variables, precise large deviations and moderate deviations remain insensitive to negative dependence structure.     

分数OU模型参数估计的大偏差

本文考虑了分数OU模型参数估计的大偏差,通过Laplace变换的技巧,得到了极大似然估计的大偏差.     

关于PA列部分和与乘积和的Marcinkiewicz型强大数律

Birkel(1989)d在方差存在的条件下，证明了不同分布PA列部分和的Kolmogorov型强大数律.本文取消了方差存在的限制，在合理的矩条件下证明了更一般的不同分布PA列部分和与乘积和的Marcinkiewicz型强大数律，从而能将独立列的相应结果作为自己的特况．     

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。     

关于随机变量加权和的强收敛性注记

设{X,;n≥1}为独立同分布随机序列,{a_(xi);1≤i≤K_n,↑~∞,n≥1}为权系数序列。本文给出三组sum from i=1 to K_n(a_(ai)X_i→0a.s.充分条件。同时,还讨论加权和的完全收敛性,我们的条件比[3]弱。     

ON THE STRONG LAW OF LARGE NUMBERS FOR SUMS OF INDEPENDENT BANACH SPACE VALUED RANDOM ELEMENTS

For a sequence of independent random elements {V _n ,n≥1} in a real separable Banach space X, necessary and, separately, sufficient conditions are provided for the strong law of large numbers ∑ _i=1 ⁿ (V _i ?c _i )/b _n →0 almost certainly to hold where {c _n ,n≥1} and {b _n >0,n≥1} are suitable sequences of centering elements in X and norming constants, respectively. The necessity result extends a real line result of Martikainen[14] Martikainen, A.I. 1979. On Necessary and Sufficient Conditions for the Strong Law of Large Numbers. Teor. Veroyatnost. i Primen., 24: 814–820. (English translation in Theory Probabl. Appl., 24 (1979) 820–823) [Google Scholar] to a Banach space setting. The sufficiency result assumes that X is of Rademacher type p (1≤p≤2) and is new even when X is the real line. It is general enough to include as special cases a strong law of Adler, Rosalsky, and Taylor[2] Adler, A., Rosalsky, A. and Taylor, R.L. 1989. Strong Laws of Large Numbers for Weighted Sums of Random Elements in Normed Linear Spaces. Int. J. Math. Math. Sci., 12: 507–530. [Crossref] , [Google Scholar] for sums of independent and identically distributed random elements and a strong law of Heyde[9] Heyde, C.C. 1968. On almost sure convergence for sums of independent random variables. Sankhya¯ Ser. A, 30: 353–358.  [Google Scholar] for sums of independent (real-valued) random variables. Illustrative examples are provided showing that the results are sharp and an example is presented satisfying the hypotheses of the sufficiency result but not those of Heyde's[9] Heyde, C.C. 1968. On almost sure convergence for sums of independent random variables. Sankhya¯ Ser. A, 30: 353–358.  [Google Scholar] theorem.     

经验过程大偏差

本文研究了独立但不同分布的随机变量序列的经验过程大偏差原理.运用Talagrand-Ledoux偏差不等式建立了该经验过程大偏差估计的充分和必要条件.     

平稳NA随机变量序列中偏差的下界估计

本文在比较一般的条件下得到了平稳NA序列的中偏差下界估计，进而得到平稳NA序列的中偏差原理。