Gompertz分布顺序统计量的一些随机比较

考虑两组相互独立的来自非齐次总体Gompertz分布的样本,给出了最小顺序统计量的反向失效率序、散度序以及凸变换序之间的比较和最大顺序统计量的普通随机序的比较.     

统计自相似集与随机不变测度

设犡是一完备可分度量空间，犓（ω）为Ｇｒａｆ随机模型下的随机递归集．该文构造了一列随机不变测度μ狀（狀≥１），它们是Ｈｕｔｃｈｉｎｓｏｎ确定模型下不变测度的推广；证明了存在一随机概率测度μ ，使得Ｓｕｐｐμ ＝犓（ω）且μ狀→μ （狀→∞）（弱收敛）；得到了μ狀的一些局部性质．     

关于平稳序列随机变秩顺序统计量的极限分布

令{ζ_n}是平稳序列,ζ_1~(n)≤ζ_2~(n)≤…≤ζ_n~(n)是ζ_1,…,ζ_n的顺序统计量,x∈R,a_n>0,b_n是实数列,u_n=α_nx+b_n,设f_n(x),g_n(x)是取正整数值的波雷尔可测函数,且f_n(x)≤g_n(x)≤n,g_n(x)关于n严格递增,设X是离散值随机变量且关于σ(ζ_1)可测,令对某q∈(0,1)有 本文在一种混合条件下,讨论了的渐近性质。     

平稳随机序列的变秩顺序统计量的联合渐近分布

设{X_n}是平稳序列,X_1~((n))≤…≤X_n~((n))是X_1…X_n的顺序统计量。{k_n(r)},r=1,2是二变秩序列。本文在某种相关条件限制下得到了{X_(kn)~((n))(1),X_(n-_(kn))~((n))(2)+1)}的极限分布。特别地,对满足k_n(r)/n→λ(r)∈[0,1),r=1,2的特殊秩序列,得到了{(X_(kn)~((n))(1),X_(n-_(kn))~((n))(2)+1)}的所有可能的极限分布类。     

强混合平稳序列的随机容量,随机秩顺序统计量的极限分布

§1.引言 设{X_n,n≥1}为严平稳随机序列,一维边际分布函数为F(x),W_1(n)≤W_2~(n)≤…≤W_n~(n)为X_1,X_2,…,X_n的顺序统计量.若K_n≤n为正整数列,则称W_K_n~(n)为非随机秩顺序统计量,秩为K_n;若M_n,N_n,n≥1为两正整值随机序列,N_n≤M_n,a.e.,     

随机次自相似集的表示

本文引进了随机次自相似集与随机推移集的概念,讨论了随机次自相似集的结构,并证明了任一随机集是随机次自相似集的充分必要条件是：该随机集可以表为某一个随机推移集的某个像集。     

多型随机递归集关于统计自相似测度的Multifractal分解

本文构造了一类多型随机递归集Ｋ,并利用 Ｆａｌｃｏｎｅｒ的方法［１］获得了Ｋ的重分形分解集Ｋａ（ａ＞０）的Ｈａｕｓｄｏｒｆｆ维数和Ｐａｃｋｉｎｇ维数．     

多型随机递归集关于统计自相似测度的Multifractal分解

本文构造了一类多型随机递归集K,并利用Falconer的方法[1]获得了K的重分形分解集Kα(α>0)的Hausdorff维数和Packing维数.     

统计自相似测度的局部性质

本文讨论了由随机归结构所决定的统计自相似测度的局部性质，证明了统计自相似测度在多重ｆｒａｃｔａｌ分解的意义为平凡的，作为基推论，得到了随机相似集的ｐａｃｋｉｎｇ维数。     

自相似马氏过程的碰撞

本文研究自相似马氏过程的碰撞,利用两个α-自相似马氏过程的耦合,获得了两个α-自相似马氏过程发生碰撞的一个充分条件,并且,在任何有限的时间内,两个α-自相似马氏过程将以正概率发生不可列无穷多次的碰撞.     

平稳序列中具有随机容量的多个随机中心秩顺序统计量的联合渐近分布

设｛X_n｝是平稳序列,是X₁⁽ⁿ⁾,…,X_n⁽ⁿ⁾的顺序统计量．以Mn表示随机容量,N_n（k）,k＝1,…,s表示随机中心秩,本文在强混合条件下得到了序列(?)的极限分布．     

统计自相似集的重分形分解

设K是由Graf定义的统计自相似集.本文构造了一支撑在K上的随机测 度p,并研究了结合P的K的重分形分解,得到了分形谱函数f(α)的表达式.     

有关顺序统计量的极大似然估计

讨论了一类参数空间受样本限制的极大似然估计问题.分析了随机变量分布的非零区域与似然函数定义域的对应关系,提出如果分布的非零区域受参数限制,则无论似然方程是否可解,参数的极大似然估计必然与样本顺序统计量X_((n))或X_((1))有关,并具体分析了似然估计一定等于、一定不等于和可能等于顺序统计量X_((n))(X_((1)))的三种情形,并给出了相应的判别条件.最后分析得出在第三种判别条件之下,似然估计是否取值于x_((n))(x_((1)))视具体的样本观测值决定.     

关于高斯随机游动之Shepp统计量的极值的一些渐近结果（英文）

设{x_i∶i≥1}是一列独立的标准化的服从正态分布的随机变量序列,令S_k=∑_(i=1)~kX_i,S_0=0为相关的高斯随机游动.当T是一正的独立于{X_i∶i≥1}的随机变量时,获得了Shepp统计量之极值M_T~(N)=max(k+L-1)-S_(k-1))的尾渐近展开.同时也证明了M_T~(N)的几乎处处极限定理.     

泛函型统计量的随机加权逼近

§ 1 引言及一般结果设X_,X_2,…X_n是来自分布为F(未知)的总体的n个iid.样本。它们的经验分布为 F_n(x)=1/n sum from i=1 to n I{X_ix}。 (1)常用的许多统计量都是通过经验分布而依赖于样本的,即能写成经验分布的泛函形式     

L—统计量的随机加权逼近

本文用随机加权法构造了L—统计量的未知分布的逼近,我们讨论了这种随机加权逼近的相合性及逼近精确度。     

统计自相似集和测度的概率特征

证明了统计自相似集和测度是由一族独立同分布的随机压缩算子｛fσ,σ∈D｝所构成的随机递归集和它的分布．此处fσ是概率空间（Ω,F,P）到con（E）的随机元,con（E）是完备可分距离空间E到E的压缩算子全体．     

双截尾柯西分布顺序统计量的概率性质

设{X_k,1≤k≤n}独立同分布,服从参数为μ,λ;A,B的双截尾柯西分布,X_(1,n),X_(2,n),…,X_(n,n)为其顺序统计量.本文给出X_(k,n)(1≤k≤n)的密度函数,X_(1,n),X_(2,n),…,X_(n,n)的联合密度函数,极端顺序统计量X_(1,n)和X_(n,n)的渐近分布以及X_(k,n)和X_(n-k+1,n)(k1)的渐近分布,并证明X_(1,n)和X_(n,n)是渐近独立的.     

相伴于随机自相似分形的随机测度的强测度的收敛性

构造了随机自相似分形及其上的记忆函数,并得出了有关结论,在此基础上,我们可以定义一个随机概率测度dΦn(τ)=Kn(τ)dτ,Φn(τ)弱收敛于Φ,进一步可得到强测度序列Ψn(·)=EΦn(·),则{Ψn}弱收敛于Ψ=EΦ.