依时变化的随机环境中的分枝随机游动的局部极限定理的二阶展开

考虑了Zd中随机环境中的分枝随机游动,其中分枝机制和粒子迁移的分布律均依时间变化.对任意给定点z∈Zd,令Zn(z)表示位于该点处的n代粒子的个数.给出了Zn(z)的二阶渐近展开表达式.     

随机环境下上临界分值过程的偏差不等式

令$\{Z_{n}, n\ge 0\}$为独立同分布随机环境下的上临界分支过程$\xi=(\xi_n)_{n\geq 0}$.本文给出了$\ln (Z_{n+n_{0}}/Z_{n_{0}})$的一些偏差不等式及其在构造置信区间上的一些应用.     

随机环境中有界跳幅的分枝随机游动

考虑随机环境中有界跳幅的分枝随机游动,其中粒子的繁衍构成时间随机环境中的分枝过程,粒子的运动遵循空间随机环境中有界跳幅的随机游动规律.在分枝过程不灭绝的条件下,文章研究n时刻最右粒子位置的极限性质.     

随机环境中随机游动上的随机分枝系统

考虑Z上的一个粒子系统,其中粒子的繁衍构成一个随机环境中的分枝过程,粒子的移动遵循随机环境中的随机游动规律．研究n时刻最右边粒子位置的极限性质,所得结果揭示出系统的一个临界性质．     

带形上随机环境中随机游动的内蕴分枝结构

揭示了带形上随机环境中随机游动的内蕴分枝结构一带移民的多物种分枝过程.利用内蕴分枝结构,可精确表达游动的首次击中时.给出了内蕴分枝结构的如下两个应用:(1)计算出首次击中时的均值,给出游动大数定律速度的显示表达,(2)得到从粒子角度看环境的马氏链不变测度的密度函数的显示表达,进而可用另一种"站在粒子看环境"的方法直接证明游动的大数定律.     

随机环境中伴有移民两性分枝过程的极限性质

本文在独立同分布的随机环境下,建立带有移民的两性分枝过程{Zn}n≥0,且移民人口数依赖当前人口数,证得{Zn}n≥0和{(Fn,Mn)}n≥1是随机环境中的马氏链,并得到第n代每个配对单元平均增长率{rk}k≥0的极限性质,从而推广了经典两性分枝过程的相关理论.     

随机环境中分枝随机游动的极限定理

在随机环境中分枝随机游动模型中,粒子的繁衍机制是随机环境中分枝过程,各代粒子在直线上的位置由依赖随机环境的点过程给定,讨论了各代点过程的Laplace变换由其条件期望规范化后的极限性质.     

随机环境中带移民分枝过程的Cramér大偏差展式北大核心CSCD

本文考虑独立同分布的随机环境中带移民的分枝过程(Z_(n)).基于(Z_(n))的结构,利用测度变换技巧,并借助随机游动的相关结果,我们得到关于logZ_(n)的Cramer型大偏差展式.     

随机环境中多物种分枝游动质点密度矩阵的极限分布

本文研究了随机环境中的多物种分枝游动于时刻k,位置x的质点密度矩阵序列{M~(k)(x)}k>1的极限分布。我们在证明了M~(k)(x),k>1,x∈Z是k个独立同分布的矩阵值随机元的乘积的基础上,主要证明了随机序列{logM_(ij)~(k)(x)}k>1依某种意义规范后是渐近正态的。     

随机环境中上临界分支过程的Wasserstein-1距离及非一致性Berry-Esseen界

设$(Z_{n})_{n\geq 0}$为一个在独立同分布随机环境下的上临界分支过程。我们对$(Z_{n})_{n\geq 0}$的Wasserstein-1距离证得一个最优的收敛速度,该结果补充了Grama等[Stochastic Process. Appl., 2017, 127(4): 1255--1281]的结论. 此外, 本文也给出了指数非一致性的 Berry-Esseen 界. 最后本文还讨论了通过运用主要结果而得到的关键参数和人口数量$Z_n$的置信区间估计.     

��ֱ�����������������ζ���ǿ��������

本文讨论了右半直线上带有原点反射壁的随机环境中随机游动,并给出了其常返性的充要条件.在非常返的情况下,获得了{Xn}从n-1到n首中时τn的二阶矩Eτn2的一个估计.同时,给出了右半直线上随机环境中随机游动的强大数定律.     

随机环境中受控分枝过程的极限定理

讨论了随机环境中受控分枝过程{Z_n:n∈N}的极限问题.给出了过程在{S_n:n∈N}下的规范化过程{W_n:n∈N}几乎处处收敛、L~1收敛和L~2收敛的充分条件,以及过程{W:n∈N}的极限非退化于0的充分条件和必要条件,得到了过程在{I_n:n∈N}下的规范化过程{W_n:n∈N}几乎处处收敛和L~1收敛的充分条件.     

一类随机环境下随机游动的常返性

就一类平稳环境θ下随机流动{Xn}n∈z 建立相应的Markov-双链{ηn}n∈z ={(xn,Tnθ)}n∈z ,并给出在该平稳环境θ下{xn}n∈z 为常返链的条件.     

随机环境中可逗留随机游动的强极限边界

假定{(αi,βi),αi,βi∈(0,1),i∈Z}是一列i.i.d.的随机变量,γi=1-αi-βi,称{(αi,γi,βi),i∈Z}为随机环境.在这个环境上定义一个随机游动{Xk}(称为随机环境中可逗留随机游动):当在x状态时,它以概率αx向右游走一步,以概率βx向左游走一步,或者以概率γx逗留.本文获得了该过程能够游走的最大值的强极限边界.     

随机环境中带移民的上临界分枝过程的Berry-Esseen界

考虑独立同分布的随机环境中带移民的上临界分枝过程(Zn).应用(Zn)与随机环境中不带移民分枝过程的联系,以及与相应随机游动的联系,在一些适当的矩条件下,本文证明关于log Zn的中心极限定理的Berry-Esseen界.     

一类随机环境中随机游动的值域问题

考虑一类随机环境中的随机游动,记为{Xn}_(n ≥0).若某时刻粒子在位置n,则下一时刻,粒子往左只可能跳到n-1,往右可能跳到n+1,也可能跳到n+2.对于向右暂留的情形,用N(x):=#{i∈[0,x]:?n≥0,X_n=i}表示粒子轨道访问过的位于[0,x]中的点的个数.通过研究"更新结构",可证明存在常数0θ1使得lim_(x→∞)N(x)/x=θ.该结论表明,粒子轨道只访问了整数轴一定比例的点.对紧邻随机游动而言,这种现象在任何情形下都是不可能发生的.     

随机环境中单边有界跳幅生灭过程的极限定理（英文）

考虑一个随机环境中的生灭过程{N_t}_t≥0,在每个不连续点,可能有一个粒子出生或者最多有L个粒子死亡.本文首先研究了过程{N_t}的存在性和常返性,然后给出其大数定律的证明.利用随机游动的分枝结构为工具,过程{N_t}的首中时可以表示为一个随机环境中多物种分枝过程及一列相互独立且服从指数分布的随机变量的泛函.通过这种手段,过程{N_t}大数定律的速度得以显式表达.     

关于正态分布的次序统计量的随机序

设$X_1,X_2,\cdots,X_n$和$X^*_1,X^*_2,\cdots,X^*_n$分别服从正态分布$N(\mu_i,\sigma^2)$和$N(\mu^*_i,\sigma^2)$,以$X_{(1)}$,$X^*_{(1)}$分别表示$X_1,\cdots,X_n$和$X^*_1,\cdots,X^*_n$的极小次序统计量,以$X_{(n)}$, $X^*_{(n)}$分别表示$X_1,\cdots,X_n$和$X^*_1,\cdots$,$X^*_n$的极大次序统计量. 我们得到了如下结果:(i)\,如果存在严格单调函数$f$使得$(f(\mu_{1}),\cdots,f(\mu_{n}))\succeq_{\text{m}}$ $(f(\mu^{*}_{1}),\cdots,f(\mu^{*}_{n}))$,且$f'(x)f'(x)\!\geq\!0$, 则$X_{(1)}\!\leq_{\text{st}}\!X^*_{(1)}$;(ii)\,如果存在严格单调函数$f$使得$(f(\mu_{1})$,$\cdots,f(\mu_{n}))\succeq_{\text{m}}(f(\mu^{*}_{1}),\cdots,f(\mu^{*}_{n}))$,且$f'(x)f'(x)\leq 0$, 则$X_{(n)}\geq_{\text{st}}X^*_{(n)}$.(iii)\,设$X_{1},X_{2},\cdots,X_{n}$和\, $X^*_{1},X^*_{2},\cdots,X^*_{n}$分别服从正态分布$N(\mu,\sigma_i^2)$和$N(\mu,\sigma_i^{*2})$,若$({1}/{\sigma_{1}},\cdots,{1}/{\sigma_{n}})\succeq_{\text{m}}({1}/{\sigma^{*}_{1}},\cdots,{1}/{\sigma^{*}_{n}})$,则有$X_{(1)}\leq_{\text{st}}X^*_{(1)}$和$X_{(n)}\geq_{\text{st}}X^*_{(n)}$同时成立.     

关于两两NQD随机序列的一个极限定理

设为两两NQD随机序列, 且, 是一列严格单调递增的凸序列. 本文将 Feller (1946)关于独立同分布期望不存在随机序列的极限定理推广到两两NQD随机 序列的情形.     

随机环境中依赖年龄的分枝过程

考虑随机环境中依赖年龄的分枝过程.
环境$\xi = (\xi_0,\xi_1, \ldots)$是平稳遍历的随机变量序列.
给定环境$\xi$, 该过 程是非齐次的Galton-Watson过程,
第$n$代粒子的寿命分布为$\R_+$上的概率分布$G(\xi_n)$,
每个粒子根据$\N$上的概率分布 $p(\xi_n)$独立地产生后代.
令$Z(t)$表示$t$时刻存活的粒子数. 首先,
以一个函数方程给出了在环境$\xi$下$Z(t)$的条件概率母函数的性质;
通过与一个嵌入分枝过程作比较, 得到了过程几乎必然灭绝的判别准则.
然后, 得到条件均值$E_\xi Z(t)$和
整体均值$EZ(t)$的表达式,并通过研究随机环境中的更新过程,给出了两均值的指数增长率.