相依随机变量阵列加权和的矩完全收敛性（英文）

本文研究了相依随机变量阵列加权和的矩完全收敛性.利用矩不等式和截尾法,建立了相依随机变量阵列加权和的矩完全收敛性的充分条件.将Volodin等(2004)及陈平炎等(2006)的关于独立随机变量阵列的结果推广到了负相协和负相依随机变量阵列的情形,推广并完善了Sung(2011),吴群英(2012)及郭明乐和祝东进(2012)的结果.     

重尾情形下NA随机变量的随机加权和

In 2003, Tang Qihe et al. obtained a simple asymptotic formula for independent identically distributed （i.i.d.） random variables with heavy tails. In this paper, under certain moment conditions, we establish a formula as the same as Tang’s, when random variables are negatively associated （NA）.     

多元重尾索赔下的渐近有限时间破产概率（英文）

本文研究进行多线生意的保险公司.在同时面临1阶上象限尾相依重尾索赔的情形下,基于所谓的k-out-of-n破产集,我们得到Radon测度的显示表达并推导出有限时间内部分支线公司破产时的渐近破产概率.我们给出了具体阐释主要结论的数值例子.     

渐近几乎负相关随机变量和的收敛性（英文）

本文运用渐近几乎负相关(简称AANA)随机序列的矩不等式与截尾的方法,得到了不同分布的AANA随机序列最大部分加权和完全矩收敛的充分必要条件.所得结果推广和改进了文献[15]、[16]和[17]相应的结论.     

独立同分布随机变量加权和的概率估计

设{ξ_i}_i=1ⁿ为独立同分布的随机变量,且P(ξ_i=1)=P(ξ_i=-1)=1/2.设a=(a₁,…,a_n)为与{ξⁱ}_i=1ⁿ独立的服从超球面S^n-1={(a₁,…,a_n)∈Rⁿ|∑_i-1ⁿ a_i²=1}上均匀分布的随机变量,该文用极坐标变换得到了P(|∑_i=1ⁿ a_iξ_i|≤1)的表达式.当n<7时,该文通过直接计算得到此概率值大于等于1/2;当n≥8时,该文通过R软件也得到了此概率值大于等于1/2.特别地,n=3,4时,借助于贝塔函数,该文直接证明了该概率值大于等于1/2.     

行为渐近几乎负相关随机变量阵列加权和的完全矩收敛性（英文）

本文考虑行为渐近几乎负相关(AANA)随机变量阵列加权和的完全矩收敛性,在未同分布假设下建立了完全矩收敛性的一些充分条件.获得的主要结果分别推广和改进了负相关随机变量和渐近几乎负相关随机变量的相应结论.     

广义负相依重尾随机变量和及其最大值尾概率的渐近性

假设X_1,X_2…,X_n是一列具有广义负相依结构的随机变量(r.v.s.),分别具有分布F_1,F_2,...,F_n.假设S_n:=X_1+X_2+…+X_n.本文分别在三类重尾分布族下得到了如下量之间的渐近关系:P(S_nx),P(max{X_1,X_2,…,x_n}x), P(max{S_1, S_2,…,S_n} X)和(?)P(X_k x).在此基础上,本文还探讨了随机加权和最大值尾概率的渐近性质,并运用蒙特卡洛(CMC)数值模拟验证了其有效性.最后,本文将得到的主要结果应用到了一个带有保险风险与金融风险的离散时间风险模型,得到了有限时间破产概率的渐近性.     

样本均值随机加权估计的渐近性质

本文给出了样本均值随机加权估计的条件分布以概率（几乎处处）收敛到正态分布的充要条件为X1属于正态吸收域D（2）（E（X~2_1）＜∞）；并且进一步证明了当样本具有缓慢变化的尾时，样本均值随机加权估计之条件分布以概率收敛到非退化分布．     

一类时间相依复合更新风险模型损失过程的尾概率渐近估计

考虑一类复合相依更新风险模型,一次事故引发多次索赔.假设索赔次数与索赔时刻相依,同一事故引起的索赔额是宽上限相依(widely upper orthant dependent)且服从重尾分布.得到该风险模型损失过程的精细大偏差和有限时破产概率的渐近估计.     

AANA随机变量阵列加权和的完全收敛性（英文）

设{X_(ni),i≥1,n≥1}是AANA随机变量阵列.在一些较为广泛的矩条件下,研究了AANA随机变量阵列加权和的完全收敛性.所得结果推广和改进了NA变量的相应结果.     

负相依随机变量序列加权和的q阶矩完全收敛性的等价条件（英文）

本文研究了负相依随机变量序列加权和的q阶矩完全收敛性.利用矩不等式和截尾法,建立了负相依随机变量序列加权和的q阶矩完全收敛性的等价条件.推广并完善了Li和Spataru~([4])、Liang等~([5])、Guo~([6])以及Gut~([21])的结果.     

行负相依随机变量阵列的完全收敛性（英文）

本文研究同分布假设条件和随机控制要求下行负相依随机变量阵列最大值部分和的完全收敛性的问题,得到一些新的结果.这些结果推广和改进了已有关于行独立随机变量阵列和行负相依随机变量阵列的相关定理.作为应用,行负相依随机变量阵列的Chung型强大数定律被取得.     

上尾渐近独立随机变量和的大偏差的渐近下界(英文)

本文研究了多元风险模型中服从长尾分布的带上尾渐近独立的随机变量和的大偏差渐近下界.利用大偏差的经典求法,得到了随机变量的非随机和和随机和的大偏差表达式,推广了独立同分布情形下的相关结论.     

φ混合随机变量最大值加权和的强收敛（英文）

本文研究φ混合随机变量最大值加权和的强收敛性质.提出关于不同分布φ混合随机变量完全收敛的一些结果.作为一个应用,取得φ混合随机变量加权和的Marcinkiewicz-Zygmund型强大数定律.     

重尾非线性自回归模型自加权M-估计的渐近分布

考虑非线性自回归模型x_t=f(x_t-1,…,x_t-p,θ)+∈_t,其中θ为q维未知参数,{∈_t}为随机误差.在允许误差方差无穷的重尾条件下,构造θ的自加权M-估计,并证明了该估计的渐近正态性.最后通过数值模拟,在随机误差服从某些重尾分布的条件下,说明自加权M-估计比最小二乘和L₁估计更有效.     

相依随机变量阵列加权和的矩完全收敛性

本文研究了相依随机变量阵列加权和的矩完全收敛性.利用矩不等式和截尾法,建立了相依随机变量阵列加权和的矩完全收敛性的充分条件.将Volodin等(2004)及陈平炎等(2006)的关于独立随机变量阵列的结果推广到了负相协和负相依随机变量阵列的情形,推广并完善了Sung(2011),吴群英(2012)及郭明乐和祝东进(2012)的结果.     

宽相依随机变量加权和的强极限定理

Strong limit theorems are established for weighted sums of widely orthant dependent（WOD） random variables. As corollaries, the strong limit theorems for weighted sums of extended negatively orthant dependent（ENOD） random variables are also obtained, which extend and improve the related known works in the literature.     

关于相依随机变量加权和强收敛性的注记

放宽了随机变量的独立性的要求,在假设随机变量为Ψ-混合的条件下,讨论了加权和强收敛性。     

加权和线性过程的渐近正态性（英文）

本文建立了α-混合序列情形的加权和平稳线性过程的渐近正态性.获得的结论基于最少的权条件.所得结论将Abadir等[Econometric Theory,2014,30(1):252-284]中的结论推广至α-混合序列情形.     

加权Hardy-Littlewood平均的一些估计（英文）

研究了加权Hardy-Littlewood平均在λ-中心Campanoto型空间上以及加权λ-中心Morrey型空间上的有界性,并且得到了它的算子范数.