一类奇异型折扣费用模型之推广

设((?),(?),P)为一概率空间,(?)_t,t≥0为(?)中的上升(?)-域,W_t,t≥0为(?)_t,适应的标准 Wiener 过程,且对(?)0≤s≤t≤∞,W_t—W_s 与(?)_s 独立.以(?)表(?)_t 适应左连续0初值有限变差过程全体.对(?)ξ={ξ_t,t≥0}∈(?)有正规分解ξ_t=ξ_t~ —ξ_t~-,(?)_t(?)ξ_t~ ξ_t~-表ξ_t的全变差,当然ξ~ 及ξ_-皆(?)中单调非降过程.有关类型的折扣费用问题曾被不少人研究过,例如 Bene(?)等人的文章.后来这些     

从停止问题到折扣费用问题

本文借助一类停止问题,研究了奇异型折扣费用问题,得出了最佳控制的存在性及结构形式.其模型为设(Ω,(?),P)为某概率空间,w_t,t≥0为其上 Wiener 过程,(?)_t=σ(w_s,0≤s≤t).以(?)表(?)_t,适应左连续0初值有限变差过程的全体.对(?)ξ={ξ,t≥0}∈(?),     

一类平稳的奇异性随机控制问题的研究

§1.引言 关于奇异型随机控制问题,已有很多文章进行研究,如文献[1]—[3]等。在某种意义上来说,文献[2]的结果比文献[1]更为一般。具体描述如下: 设W_t,t≥0为概率空间(Ω,(?),P)上标准Wiener过程。(?)_t为由此过程所生成的上升σ-域族。以(?)表(?)_t适应左连续零初值有限变差过程的全体。对,有正规分解表全变差过程。我们所说的控制全包含在集中。文献[2]研究的平稳模型是:     

一类正值线性过程的参数估计

在研究水质污染问题时,文[1]提出了非负一阶自回归模型:X_t=(?)X_(t-1)+ξ_t,其中{ξ_t}为独立同分布非负随机序列,0<(?)<1.此模型中 X_t 表示在时刻 t 时净化池中的污水量,1-(?)_1表示在单位时间间隔内被净化污水的比例,ξ_t 表示在时刻 t 注入净化池中的污水量.文[1]给出了模型参数的极为简便的强相合估计和相应的模拟结果.文[2]把[1]的结果推广到二阶自回归情形,克服了本质上的困难获得相应的结果.本文提出一类更为广泛的正值线性模型     

一类随机微分方程的解法

设(Ω,,p)是一个完备的概率空间,(_t)_(t≤T)是的非降子σ代数族,W=(W_t,_t),t≤T 是 Wiener 过程。a(t,x),b(t,x)均是关于[0,T]×R 可测函数,并且假定 a(t,ξ_t)∈L_W~1[0,T],b(t,ξ_t)∈L_W~2[0,T](参考[5])。称 p—a.s 连续的随机过程ξ=(ξ_t,_t),t≤T 为随机微分方程     

马氏过程的可加泛函与停时变换(Ⅱ)

定义4.1 设 X=(Ω(?),(?)_t,X_t,θ_t,P~x,T)是以(E_Δ,(?)_Δ)为状态空间的随机过程,称(Ω,(?))上的随机变量族 M={M_t,0≤t≤∞}为 X 的可乘泛函,如果(1)M_t∈(?)_t,((?)t≥0);(2)M_(s+t)=M_t(M_s(?)θ_t),((?) s、t≥0);(3)0≤M_t≤1,((?)t≥0).若 t(?)M_t 右连续(连续),则称 M 是右连续(连续)可乘泛函。对 X 的可乘泛函 M=     

非线性梁振动方程的周期解

一、引言考虑下述问题Ku″ A~2u M(‖A~1/2u‖~2)Au Au′=f(x,t),t>0,x∈Ω,(1.1)u|_t=0~=u_0(x),x∈Ω,(1.2)Ku′|_(t=0)=u_1(x),x∈Ω,(1.3)u=0,x∈(?)Ω,t≥0 (1.4)的ω-周期解的存在性.其中 Ω(?)R~n 为一有界光滑区域,u′=((?)u)/((?)t),u_″=((?)u)/((?)t)~2,K 为有界线性对称算子且满足(Ku,u)≥0,M∈C~1[0,∞),M(ξ)≥-β,ξ≥0.此模型最初由Woinowsky 和 Krieger 提出,方程形式为     

STRONG APPROXIMATION FOR MOVING AVERAGE PROCESSES UNDER DEPENDENCE ASSUMPTIONS

Let {Xt,t ≥ 1} be a moving average process defined by Xt = ∑^∞ k=0 αkξt-k, where {αk,k ≥ 0} is a sequence of real numbers and {ξt,-∞ 〈 t 〈 ∞} is a doubly infinite sequence of strictly stationary dependent random variables. Under the conditions of {αk, k ≥ 0} which entail that {Xt, t ≥ 1} is either a long memory process or a linear process, the strong approximation of {Xt, t ≥ 1} to a Gaussian process is studied. Finally, the results are applied to obtain the strong approximation of a long memory process to a fractional Brownian motion and the laws of the iterated logarithm for moving average processes.     

条件马尔可夫过程的表示

设函数空间型马氏过程 X=(Ω,(?),(?)_t,X_t θ_t,P~x)是以(E,(?))为状态空间的暂留的Hunt 过程,ξ为(E,(?))上 Radon 测度,X 的位势核 U(x,A)=integral A u(x,y)ξ(dy),而 u(x,y)满足 chung、Rao[6]的基本假定。我们找到了一个由 u(x,y)确定的零势集∧(等价于ξ(∧)=0),证明了下述结论:定理 设μ为(?)上测度,μ(∧)=0,h=Uμ(?)∫u(·y)ξ(dy).记 E~h={0相似文献   

Richard模型的平均期望费用问题

设 W_t,t≥0为(Ω,■,P)上标准 Wiener 过程,■为由之所生成的上升 σ-域族,以τ_i,i≥1表任一个(?)单调上升停时列,对每个τ_i 确定一个F_(τi)可测随机变量ξ_i,我们称任一这样的对列 v={(τ_i,ξ_i),i≥1}为一脉冲过程,以 V 表脉冲过程,(以下称脉冲控制)的全体,设 h 和 B 为 R 上满足某些条件的非负实函数,再设σ,μ为任何实常数且|σ|>0.本文求得一个常数λ>0使对任一实数 x 皆有一个十分明确具体的控制 v~*={(τ_i~*,ξ_i~*),i≥1)∈V 满足lim~T→∞(1/T)E[integral from 0 to T h(x+μt+σW_t+sum τ_i~*相似文献   

带跳分数维积分过程幂变差的渐近行为

研究X_t=∫_0~tφ_sdB_s~H+ξ_t现实幂变差渐近行为,B~H为Hurst指数H∈(0,1)分数维Brown运动,φ为具有有限q次变差的随机过程且q1/(1-H),ξ为独立于B~H不含Gauss项的Levy过程,建立现实幂变差幂次为1/H的中心极限定理,得到现实截断幂变差大数定律和中心极限定理.     

含错线性序列的极大似然纠正

本文中讨论二元序列时,其元素间的运算均在二元域 F_2={0,1}中进行.设α=(α_t)_t≥0是 F_2上由多项式 c(x)=1+c_1x+…+c_(d-1)x~(d-1)+x~d 生成的线性序列,即有α_t+c_1α_(t+1)+…+C_(d-1)α_(t+d-1)+a_(t+d)=0,t≥0.(1)如果有二元干扰序列 e=(e_t)_(t≥0)迭加于α,其中 e_0,e_1,…是独立同分布的,Prob(e_t=1)=s<1/2,则迭合序列 b=(b_t)_(t≥0)=(α_t+e_t)t≥0称为α的含错序列,其错误率为 s.从已知的含     

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.     

马氏过程的可加泛函与停时变换(Ⅰ)

除特别指明的以外,本文中的定义与符号沿袭[1]和[2]。设 X=(Ω,(?),(?)_t,X_t,θ_t,P~x,T)是以(E_Δ,(?)_Δ)为状态空间的强马氏过程(其中t∈T=[0,∞]),r={τ_t,t∈T}是一个{?}停时变换(即每个τ_(?)是{?}停时,t(?)→τ_t非降),令 X~τ=(Ω,(?),(?)_τ_t,X_τ_t,θ_τ_t,P~x,T).[3]较系统地研究了一般马氏过程的一般停时变换,得到了一系列使 X~τ保留原过程 X 的马氏性、强马氏性、强 Feller 性、     

平稳分枝超Lévy过程是一个随机偏微分方程的轨道唯一解

本文证明平稳(stable)分枝超Lévy过程的密度在一定条件下是如下随机偏微分方程的轨道唯一解:?/?tX_t(x)=AX_t(x)+bX_t(x)+X_(t-)(x)α/1■_t(x), t 0, x∈R,其中A是超Lévy过程底运动的生成元,α∈(1, 2)和b∈R是常数,{■_t(x):t≥0, x∈R}是一个无负跳的单边的α-平稳噪声.     

在曲线边界区域上非线性拋物型方程的边界問題

<正> 在1954年与研究了非线性拋物型方程在长方形区域R{0≤x≤X,0≤t≤T}上的第一边界問題和在区域S{-∞相似文献   

Schrodinger 方程的广义 Dirichlet 问题

在本文中,{B(t),t≥0}是 d(d≥1)维标准 Brown 运动,\mathcal{F}_t=σ{B(s),s≤t},P_x 是自 x 出发的 Brown 运动所产生的 Wiener 测度,E_x 表示关于 P_x 的积分.D 是R~d 中的一个区域,对 D 上的有界函数 c,令...     

一类马尔可夫序列最大值的极限律

主要研究一类马尔可夫序列{Xn,n≥0}的最大值的极限分布.导出了这类序列最大值和最小值的分布表达式,利用经典极值理论,建立了规范化最大值max{X0,X1,…,Xn}与i.i.d序列{ξn,n≥1}的规范化最大值max{1ξ,2ξ,…,ξn+1}具有相同极限律的条件.     

BEST MONOTONE L_■-APPROXIMATIONS IN SEVERAL VARIABLES

Given a continuous function f defined on the unit cube of R~n and a convexfunction _t,_t(0)-0,_t(x)>0,for x>0,we prove that the set ofbest L~(t)-approximations by monotone functions has exactly one elementft,which is also a continuous function.Moreover if the family of convexfunctions {_t}t>0 converges uniformly on compact sets to a function _0,then the best approximation f_t→f_0 uniformly,as t→0,where fo is thebest approximation of f within the Orlicz space L~(0) The best approxima-tions{f_t}are obtained as well as minimizing integrals or the Luxemburgnorm     

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.