多组样本下GL—统计量的渐近性质

本文主要讨论多组样本下GL－统计量的渐近分布,这里我们使用了Gateaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d样本下GL－统计量的渐近正态分布的性质[1]。     

Lvy运动干扰的经典风险模型的Gerber-Shiu函数

通过一个弱收敛方法,本文首次以拉普拉斯变换的形式给出α-稳定Levy运动干扰的经典风险模型的Gerber-Shiu期望折扣惩罚函数(G-S函数).用同样的方法,也获得了这个风险模型的最终破产概率作为本文结果的补充.作为检验,这个风险过程的最终破产概率实际上是G-S函数的特殊情形.     

多组样本下GL－统计量的渐近性质

本文上要讨论多组样本下GL－统计量的渐近分布。这里我们使用了Gâteaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d.样本下GL－统计量的渐近正态分布的性质[1].     

养老保险的随机赔偿模型

本文引入了Hoem模型中的随机普通保险项。利用计数过程的理论和鞅论，得到了状态准备金的计算公式及其所满足的随机微分方程以及特定环境下的Thiele微分方程，从而计算出个人账户的退休金净赔偿率。     

一类新风险过程的精细大偏差

本文针对基于进入过程的保险风险模型(LIG),讨论了当索赔额属于C族时,风险过程的精细大偏差.     

一般$\delta$\,-冲击模型中无失效数据的Bayes统计推断

在这篇文章中, 我们针对一般冲击模型, 研究Bayes方法处理无失效数据的问题. 所谓一般$\delta$\,-冲击模型是指系统受到强度为$\lambda$的Poisson冲击, 当两个连续冲击之间时间间隔的长度不属于某个固定的区间[$\delta_1,\delta_2$]时, 系统将失效. 我们分别选择均匀分布和Beta分布作为先验分布, 用Bayes方法和多层Bayes方法得到了参数$\delta_1$和$\delta_2$的估计.     

δ冲击模型中截尾数据的统计推断

本文研究了δ-冲击模型中参数δ的统计推断问题，该模型具有参数为λ的Poisson冲击，系统在当两个连续的冲击时间间隔小于δ时失效，失效的时间记为T．首先，我们给出了在δ小于平均冲击间隔时间(即1／λ)的情况下，失效时间T的密度函数的性质；然后我们给出了截尾数据的损失信息补偿的方法；借助Class-K方法，给出了δ的无偏、一致估计以和区间估计．最后，由Edgeworth展开和Boostrap方法，我们得到了δ的精确度更高的区间估计．     

Some results on comparison of maintenance policies

1. IntroductionMaintenance policies are followed to reduce the incidence of system failure or to returna failed system to the operating state. FOr example, if a component fails, one strategy isto replace it. Another strategy is not to wait for it to fail, but to replace it at some earIiertime, which belongs to maintenance poIicies problems. The most usefuI replacemeflt policiesare the age replacemeni policy and the block replacement policy. See [l,2] for a discussionof these policies. Compa…     

一般δ-冲击模型中无失效数据的Bayes统计推断

在这篇文章中,我们针对一般冲击模型,研究Bayes方法处理无失效数据的问题.所谓一般δ-冲击模型是指系统受到强度为λ的Poisson冲击,当两个连续冲击之间时间间隔的长度不属于某个固定的区间[δ1,δ2]时,系统将失效.我们分别选择均匀分布和Beta分布作为先验分布,用Bayes方法和多层Bayes方法得到了参数δ1和δ2的估计.     

冲击模型:进展与应用

综述了近30年来冲击模型研究的主要进展.介绍了一个新模型(δ-冲击模型)及其最新工作.基于簇生标值点过程的结构,给出了冲击模型的一个一般性框架,最后作为特例提出并分析了一个新的保险风险模型.