一类非平稳高斯序列超过数点过程与和的渐近性

设{X_i}_(i=1)~∞是标准化非平稳高斯序列,N_n为X_1,X_2,…,X_n依次对水平μ_(n1),μ_(n2),…,μ_(nn)的超过数形成的点过程.记Υ_(ij)=X_iX_j,S_n=■X_i.当Υ_(ij)满足一定条件时,证明了N_n依分布收敛到Poisson过程,且N_n与S_n渐近独立.     

一类相依正态序列超过数点过程的渐近分布

{X_n,n≥1}为存在样本缺失的标准化平稳正态序列,相关系数r_n=EX_1X_(1+n).(?)_n与(?)_n分别为观测到与未观测到的子样形成的超过数点过程.令N_n=(?)_n+(?)_n.本文研究r_nln→ρ∈[0,∞)时超过数点过程N_n,(?)_n与(?)_n的弱收敛性及顺序统计量的联合渐近分布.     

非平稳高斯序列超过数点过程与部分和的联合渐近分布

设$\{X_{i}\}^{\infty}_{i=1}$是标准化非平稳高斯序列, $N_{n}$为$X_{1},X_{2},\cdots,X_{n}$对水平$\mu_{n}(x)$的超过数形成的点过程, $r_{ij}=\ep X_{i}X_{j}$, $S_{n}=\tsm_{i=1}^{n}X_{i}$. 在$r_{ij}$满足一定条件时, 本文得到了$N_{n}$与$S_{n}$的渐近独立性.     

多维局部平稳高斯过程最大值的联合渐近分布

$\{(X_1(t),\cdots,X_p(t)),0\leq t\leq T\}$为$p$维局部平稳高斯过程, 具有渐近中心化的均值$m_k(t)$和常数的方差, $M_k(T)=\sup\{X_k(t),0\leq t\leq T\},\;k=1,\cdots,p$, 当$T\rightarrow\infty$时, 本文在一定条件下获得了$M(T)=(M_1(T),\cdots,M_p(T))$的联合渐近分布.     

分布函数尾端点估计量的渐近性质

当极值指标小于0时,本文给出了分布函数F(x)的尾端点估计量,证明了该估计量的强相合性和弱相合性;在二阶正规变化条件下,通过限制正规变化函数的收敛速度,给出了强收敛速度,证明了渐近正态性,进而可以构造F(x)的尾端点的渐近置信区间.     

Pickands型估计的推广

本文把Ｐｉｃｋａｎｄｓ型估计推广到更一般情形，证明了它的相合性，强收敛速度．     

基于Matlab的Poisson分布随机数的Monte carlo模拟

给出了三种随机模拟:Poisson分布随机数的方法,用Matlab7.0软件实现了对Poisson分布随机数的随机模拟,并用随机模拟的方法解决了商品销售、母鸡下蛋等实际应用问题.     

含趋势项强相依非平稳序列的两个重要分布

{ηn}为平稳标准化正态序列,相关系数r|t-j|=Cov(ηu,ηj),若rnlogn→∞时,Leadbetter[1]等得到了序列最大值的渐近分布.本文考虑非平稳带有趋势项序列{ηn},得到了序列最大值的渐近分布和最大值与部分和的联合渐近分布.     

部分和乘积的几乎处处中心极限定理

设X_n, n≥1是独立同分布正的随机变量序列, E(X₁)=u >0, Var(X₁)=σ², E|X₁|³<∞, 记S_n==∑^N_k=1X_k, 变异系数γ=σ/u.g是满足一定条件的无界可测函数, 证明了 lim_N→∞1/logN∑^N_n=11/n g((∏ⁿ_k=1S_k/n!uⁿ )^1/γ√n )=∫^∞₀g(x)dF(x),a.s., 其中 F(•) 是随机变量e^√2ξ 的分布函数, ξ 是服从标准正态分布的随机变量.