指数索赔情形下一类相依两险种风险模型的破产概率

考虑一类稀疏过程下索赔相依的两险种风险模型:U(t)=u+ct-∑i=1N2(t)X_i-∑i=1N2(t)Y_(i),其中{N_1(t),t≥0}、{N_2(t),t≥0}分别表示两个险种的索赔次数,它们按下述方式相关:N_1(t)N_(11)(t)+N_(12)(t),N_2(t)=N_(22)(t)+N'_(12)(t),{N'_(12)(t),t≥0}是{N_(12)(t),t≥0}的一个p-稀疏.考虑下列两种情形:(Ⅰ){N_(11)(t),t≥0}、{N_(12)(t),t≥0}、{N_(22)(t),t≥0}均为Poisson过程;(Ⅱ){N_(11)(t),t≥0}、{N_(22)(t),t≥0}为Poisson过程,{N_(12)(t),t≥0}为Erlang(2)过程.在上述两种情形下,当两险种的单次索赔额均服从指数分布时,通过建立并求解生存概率所满足的微分方程,给出其破产概率的表达式.     

Constraining the First Hitting Time

Let X(ω)= {x(t, ω), t≥0} be Markov chains with stationary, defined tm complete probability space (Ω,P). The transition probabitity matrix {p_(ij)(t):t≥0,i,j∈I} is sta ndard and satisfies the forward equations, where I={0, 1, 2,…} is the state space of X(ω). All states of X(ω) are stable. The sample functions are right lower semicontinuous. The Q-matrix is conservative. The X(ω) is Borel measurable and well separate. The condition (C) is true. (cf, [1])     

I.Schur问题的推广及证明

本文推广了Ⅰ.Schur 关于数列的三个结果,证明了函数 f(x)=(1+1/x)~(x+p_1)(x>0),g(x)=(1+1/x)~x(1+(p_2)/x)(x>0)与 h(x)=(1+p_3/x)~(x+1)(x>max{0,-P_3})单调下降充要条件,分别为 p_1≥1/2,p_2≥1/2与0相似文献   

Arithmetic properties of overpartition triples

Let p_3(n) be the number of overpartition triples of n. By elementary series manipulations,we establish some congruences for p_3(n) modulo small powers of 2, such as p_3(16 n + 14) ≡ 0(mod 32), p_3(8 n + 7) ≡ 0(mod 64).We also find many arithmetic properties for p_3(n) modulo 7, 9 and 11, involving the following infinite families of Ramanujan-type congruences: for any integers α≥ 1 and n ≥ 0, we have p_3 (3~(2α+1)(3n + 2))≡ 0(mod 9 · 2~4), p_3(4~(α-1)(56 n + 49)) ≡ 0(mod 7),p_3 (7~(2α+1)(7 n + 3))≡ p_3 (7~(2α+1)(7 n + 5))≡ p_3 (7~(2α+1)(7 n + 6))≡ 0(mod 7),and for r ∈ {1, 2, 3, 4, 5, 6},p_3(11 · 7~(4α-1)(7 n + r)≡ 0(mod 11).     

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。     

非齐次马尔柯夫链积分型泛函的分布

<正> 设{x(t,ω):t≥0}是概率空间(Ω,■,P)上最小状态空间为I={0,1,2,…}的可分右下半连续的Markov链,它的转移函数族 P(s,t)={p_(ij)(s,t):i,j∈l},0≤s相似文献   

MULTIVARIATE SURVIVAL DISTRIBUTIONS OF AGE AND RESIDUAL LIFETIME PROCESSES IN NONHOMOGENEOUS POISSON PROCESS

Let{N(t),t≥0} be the nonhomogeneous Poisson process with cumulative intensity parameter Λ(t),{δt,t≥0} the age process,and {yi,t≥0) the residual lifetime process.In the present paper the expressions of n-dimensional survival distribution functions of the processes{δi} and {yi}, and their Lebesgue decompositions are derived.     

起始为指数律的P—函数振荡问题

设y是标准p-函数类。对u>0令 y(u)={p∈yq≥0,p(t)=e~(-qt),0≤t≤u}在[9]Kingman证明了:如果p∈y(u)则p(t)≤e~(-1) e~(-qu)(t≥u),而在[4]中Griffeath进一步证明了:p(t)≤e~(-(1-e~(-qu)))(t≥u)。本文首先给出这一结果一个完全不同的新证明。然后证明下面的结果:如果p∈y(u),s≥u,p(t),m=P(s)则p(t)≤max(M,m e~(-1 m))(t≥u)。本文的第二个结果叙述如下:记 m(M,p)=inf{p(t):0≤t≤1,p(1)=M},p∈y I(M,u)=inf{m(M,p):p∈y(u)},I(M)=inf{m(M,p):p∈y} I~(M,u),v_0=inf{M>0:I(M)>0} v(M)=inf{M>0:I(M)>0}则v_0=v~。     

一个连续时间非平稳随机过程下的核密度估计的最优收敛速度

设{Xt,t≥0}为定义在R^d上的随机过程，它由模型Xt=zt Φ(Yt) εt确定，{Yt}和{εt}相互独立，而zt为非随机变量，对于连续观察的样本，本文给出了非参数密度核估计极其在均方意义下的最优收敛速度，并讨论了非随机项运动形式对此速度的影响。     

独立重尾随机变量随机和的大偏差估计

本文研究了一类独立重尾随机变量随机和S（t)∧=∑k=1^N(t)Xk,t≥0的大偏差概率，其中{N(t),t≥0}是一放大晨负整数值随机变量；{Xn,n≥1}是非负，独立随机变量序列，并与{N(t),t≥０}独立。本文的结果将{Xn,n≥１}为独立同分布情形推广到了独立不同分布情形。     

关于Gauss过程增量的若干结果

设{X(t), t≥0}是具有平稳增量的Gauss过程,满足X(0)=0(a. s.),EX(t)=0,σ~2(h)=E(X(t+h)-X(t))~2=EX(h)~2=C_0h~(2a),其中C_0>0,0<α<1。本文研究了这类过程的增量问题,将Wiener过程增量所具有的性质(见[4,5,6])推广到{X(t), t≥0}的增量上来。     

一类分数阶微分方程多点边值问题解的存在性

本文讨论下面一类分数阶微分方程多点边值问题 $$\align &D^{\alpha}_{0+}u(t) = f(t, u(t),~D^{\alpha-1}_{0+}u(t), D^{\alpha-2}_{0+}u(t), D^{\alpha-3}_{0+}u(t)),~~t\in(0,1), \\&I^{4-\alpha}_{0+}u(0) = 0, ~D^{\alpha-1}_{0+}u(0)=\displaystyle{\sum_{i=1}^{m}}\alpha_{i}D^{\alpha-1}_{0+}u(\xi_{i}),\\&D^{\alpha-2}_{0+}u(1)=\sum\limits_ {j=1}^{n}\beta_{j} D^{\alpha-2}_{0+}u(\eta_{j}),~D^{\alpha-3}_{0+}u(1)-D^{\alpha-3}_{0+}u(0)=D^{\alpha-2}_{0+}u(\frac{1}{2}),\endalign$$其中$3<\alpha \leq 4$是一个实数.通过应用Mawhin重合度理论和构建适当的算子,得到了该边值问题解的存在性结果.     

关于Lévy过程一个公开问题的部分回答

令{X_t,t∈R~ }是一Lévy过程,令γ_0=sup{α≥0:lim inf a~(-α)ET(a,1)<∞},这里T(a,1)=integral from 0 to 1 I{|X_t|≤a}dt.Taylor证明X_t的像集的填充维数等于γ0.由Pruitt和Taylor提出的一个公开问题是:等式γ_0=inf{α≥0:a~(-α)T(a,1)→∞a.s.,当a→0}是否成立?文中证明了:当{X_t,t∈R~ }是从属过程时,上述等式成立.     

纯生过程的变异性(英语)

设{X(t):t≥0}为零初值纯生过程,出生率为λ_n,n≥0.在本文中,我们证明了Faddy[7]的一个猜测:当出生率为单调增加序列λ_0≤λ_1≤λ_2…。时,Var{X(t)}≥E{(t)};当出生率为单调减少序列时Var{X(t)}≤E{(t)}。     

具奇异系数的反应扩散方程组Cauchy问题

该文讨论如下具有奇异系数的反应扩散方程组Cauchy问题非负局部解的存在性和不存 在性, 以及解在有限时间内的爆破问题(u_t-t^{-1}Δ u=α_1u^{q_1}+β_1v^\{p_1}+f_1(x),t>0,x∈R^N； v_t-t^\{-1}Δ v=α_2u^\{q_2}+β_2v^{p_2}+f_2(x),t>0,x∈R^ N；lim_{t→0+}u(t,x)=lim_{t→0+}v(t,x)=0,x∈R^N. 其中p_i>1, q_i>1 (i=1, 2) , α_1≥0, α_2>0, β_1>0, β_2≥0, f_ i(x) (i=1, 2)为连续非负有界函数, (f_1(x), f_2(x))(0, 0) . 文章给出了非负局部解存在的显式条件和非负局部解不存在的比较结果, 也得到解在有限时间爆破的一些结果.     

PARAMETER ESTIMATION OF SPATIAL AR MODEL

Consider a stable AR model of two parameter spatial series {X_t, t∈N~2}, i. e. {X_(t)t∈N~2} is homogeneous and satisfies the following difference equationX_t-sum from n=s∈相似文献   

准马尔可夫矩阵能扩充为转移矩阵的充要条件

<正> 一个取值于{0,1,2,…,N}的随机过程 Y(t)(t≥0) 称为 n 阶准马尔可夫链,如果对任意 i=1,2,…,N,T>0,在事件{Y(T)=i}和(?)_T={Y(s);0≤s≤T}的条件下,过程 Y(T+t) (t≥0) 的有限维分布仅依赖于 i 而不依赖于 T 和(?)_T(见[1]).当此性质对 i=0也成立,Y(t)就是通常的马尔可夫链.     

在Banach空间中推广的 Roper-Suffridge算子(III)

假定 $X$ 是具有范数$\|\cdot\|$的复 Banach 空间, $n$ 是一个满足 $\dim X\geq n\geq2$的正整数. 本文考虑由下式定义的推广的Roper-Suffridge算子 $\Phi_{n,\beta_2, \gamma_2, \ldots , \beta_{n+1}, \gamma_{n+1}}(f)$: \begin{equation} \begin{array}{lll} \Phi _{n, \beta_2, \gamma_2, \ldots, \beta_{n+1},\gamma_{n+1}}(f)(x) &;\hspace{-3mm}=&;\hspace{-3mm}\dl\he{j=1}{n}\bigg(\frac{f(x^*_1(x))}{x^*_1(x)})\bigg)^{\beta_j}(f''(x^*_1(x))^{\gamma_j}x^*_j(x) x_j\\ &;&;+\bigg(\dl\frac{f(x^*_1(x))}{x^*_1(x)}\bigg)^{\beta_{n+1}}(f''(x^*_1(x)))^{\gamma_{n+1}}\bigg(x-\dl\he{j=1}{n}x^*_j(x) x_j\bigg),\nonumber \end{array} \end{equation} 其中 $x\in\Omega_{p_1, p_2, \ldots, p_{n+1}}$, $\beta_1=1, \gamma_1=0$ 和 \begin{equation} \begin{array}{lll} \Omega_{p_1, p_2, \ldots, p_{n+1}}=\bigg\{x\in X: \dl\he{j=1}{n}| x^*_j(x)|^{p_j}+\bigg\|x-\dl\he{j=1}{n}x^*_j(x)x_j\bigg\|^{p_{n+1}}<1\bigg\},\nonumber \end{array} \end{equation} 这里 $p_j>1 \,( j=1, 2,\ldots, n+1$), 线性无关族 $\{x_1, x_2, \ldots, x_n \}\subset X $ 与 $\{x^*_1, x^*_2, \ldots, x^*_n \}\subset X^* $ 满足 $x^*_j(x_j)=\|x_j\|=1 (j=1, 2, \ldots, n)$ 和 $x^*_j(x_k)=0 \, (j\neq k)$, 我们选取幂函数的单值分支满足 $(\frac{f(\xi)}{\xi})^{\beta_j}|_{\xi=0}= 1$ 和 $(f''(\xi))^{\gamma_j}|_{\xi=0}=1, \, j=2, \ldots , n+1$. 本文将证明: 对某些合适的常数$\beta_j, \gamma_j$, 算子$\Phi_{n,\beta_2, \gamma_2, \ldots, \beta_{n+1}, \gamma_{n+1}}(f)$ 在$\Omega_{p_1, p_2, \ldots , p_{n+1}}$上保持$\alpha$阶的殆$\beta$型螺形映照和 $\alpha$阶的$\beta$型螺形映照.     

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.     

平稳强相依高斯过程之上穿点过程的极限定理

设{x(t),t≥0}是一列标准化的具有连续样本轨道的强相依平稳高斯过程,其相关系数函数为r(t).当r(t)满足一定条件时,证明了高斯过程{x(t),t≥0}上穿和ε-上穿水平u形威的点过程的依分布收敛到一Cox-过程.