由φ-混合序列产生的长程相依过程的广义强逼近定理

设{X_k;k≥1}是由X_k=∑_(i=0)~βα_iε_(k-i)所定义的滑动平均过程,其中{ε_i;-∞i∞}是一同分布的φ-混合相依变量序列,{α_i;i≥0}为满足条件α_i~i~(-α)l(i)的实数序列,l(i)为一缓变函数.当1/2α1时,{X_k;k≥1}为一长程相依过程.在Eε_0~2可能为无穷的条件下,对长程相依过程{X_k;k≥1}的部分和建立了一个更为一般性的强逼近定理.     

一类随机加权和的渐近性及其应用

本文考虑随机加权和及其最大值尾概率的渐近性,其中增量{X_i,i≥1}为一列独立同分布的实值随机变量,权重{θ_i,i≥1}为另一列非负的随机变量,并且两列随机变量满足某种相依结构.在增量的共同分布F属于控制变换分布族的条件下,我们得到了随机加权和及其最大值尾概率的弱渐近等价估计.特别地,当F属于一致变换分布族时,得到了渐近等价估计.最后,我们将该结果应用于破产概率的渐近估计.     

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。     

相依假设下样本相关矩阵最大元的渐近分布

设{Xk,i;k≥1,i≥1)是一随机变量组列,令{pn;n≥1)是一正整数序列,满足c1≤n/pn≤c2,其中c1,c2是正实数.假设{Xk,i;k≥1,i≥1}满足一些相依条件,得到了Ln的渐近分布,这里Ln= ,以及表示(X1,i,…,Xn,i)'和(X1,j,…,Xn,j)'间的Pearson相关系数.     

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.     

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。     

关于任意随机变量序列泛函的强极限定理

本文在k是固定的正整数，{fn}是R^k 1上的Borel可测函数列时，得到了任意随机变量序列{Xrn≥0}的泛函{fn(Xn-k,…,Xn)}的强极限定理，它是Chung的关于独立随机变量序列的强大数律的推广，作为推论，得到了k重非齐次马尔科夫链的一类强极限定理．     

关于k阶记录时间与k阶记录值的联合分布

设独立同分布随机变量序列{x_nj n≥1}的分布函数F(x)=p(x₁(k)(n);n≥1},{X^(k)(n);n≥1} 分别为{x_nj n≥1}的K阶记录时间序列和k阶记录值序列.本文我们用直接方法求出了{U^(k)(i),X^(k)(i);1≤i≤n}的联合分布，从而证明了k阶记录时间序列及k阶记录值序列的马氏性，并导出了它们之间的一     

复合更新风险模型中负相依索赔额下的精细大偏差（英文）

本文考虑了在复合更新风险模型当中,负相依索赔额情形下与之相关的精细大偏差的若干问题.文中假设{X_n,n≥1}是一列负相依的随机变量,其对应分布列为{F_n,n≥1},并假定F_n的右尾分布等同于某个具有一致变化尾的分布.根据所得的结果试图建立与经典大偏差相似的结论,并将其应用到改进后的复合更新风险模型当中.     

关于第二类Bernstein型插值过程

设f(x)∈c[-1,1],U_n(x)=sin(n+1)θ/sinθ(x=cosθ)为第二类多项式,x_k=cosθ_k=cos(kπ)/(n+1)(k=1,…,n)为其 n 个零点。又记 x_0=1,x_(n+1)=-1。文考虑了以{X_k}(k=0,1,…,n+1)为节点的第二类 Bernstein 型插值过程:     

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.     

NA随机变量三角阵列的钟开莱形式的大数定理（英文）

设{Xnm;n≥1,m≥1}每行都是一个NA随机变量列.给出了在各种矩条件随机变量的钟开莱—太勒形式的强大数定理.     

线性过程的广义强逼近及其应用

设{X_t;t≥1}是由X_t=∑_i=0^∞a_iε_t-i所定义的线性过程,其中{a_i;i≥0}是一实系数序列,{ε_i;-∞0²可能为无穷的情形下,证明了{X_t;t≥1}的一个广义强逼近定理.作为应用,得到了线性过程部分和与部分和乘积的广义重对数律,以及具有相依重尾扰动项的AR（1）模型的渐近性质.     

由Dvoretzky随机覆盖引起的集合的Hausdorff维数

考虑了单位圆T=R/Z上的随机区间I_n(ω)=ω_n+(-l_n/2,l_n/2)(mod 1),其中{l_n}_n≥1为一列单调下降并趋于0的正实数,{ω_n}_n≥1为T上的一列独立同分布且具有Gibbs分布测度的随机变量.借助于重分形分析中的工具,估计了被随机区间序列{I_n(ω)}有限次覆盖以及无穷多次覆盖的集合的Hausdorff维数.     

Asymptotics for the Tail Probability of Random Sums with a Heavy-Tailed Random Number and Extended Negatively Dependent Summands

Let {X,X_k:k≥1} be a sequence of extended negatively dependent random variables with a common distribution F satisfying EX 0.Let r be a nonnegative integer-valued random variable,independent of {X,X_k:k≥1}.In this paper,the authors obtain the necessary and sufficient conditions for the random sums S_r =(?)X_n to have a consistently varying tail when the random number t has a heavier tail than the summands,i.e.,(P(Xx))/(P(r x))→0as x→∞     

E_p(1

沈燮昌 《数学年刊A辑(中文版)》1981,(3)

关于极大强单调算子的不精确邻近点算法的收敛性分析

该文研究集值映象方程0∈T(z)的解的迭代逼近，其中T是极大强单调算子．设{x^k}与{e^k}是由不精确邻近点算法x^{k+1}+c_kT(x^{k+1})> x^k+e^{k+1}生成的序列，满足‖e^{k+1}‖≤η_k‖x^{k+1}_x^k‖, ∑^∞_{k=0}(η_k-1)<+∞且inf_(k≥0) η_k=μ≥1.在适当的限制下证明了，{x^k}收敛到T的一个根当且仅当 lim inf_{k→+∞} d(x^k,Z)=0，其中Z是方程0∈T(z)的解集     

三角组列的完全收敛性

设 {Xi,i≥ 1 }为独立同分布的随机变量序列 ,h为 R2→R的实可测函数 .考虑三角组列 un=∑i相似文献   

齐次Moran集的Bouligand维数

设m({nk}k≥1,{Ck}k≥1是由{nk}k≥1,{Ck}k≥1所确定的齐次Moran集类，其中{nk}k≥1是正整数序列，{Ck}k≥1是正实数列。本文确定了m中元素的上（下）Bouligand维数的最大、小值之间的数s，存在m中的元素使其上（下）Bouligand维数值为s。还讨论了齐次Cantor集与偏齐次Cantor集的Bouligand维数存在性之间的关系。     

k阶几何无穷可分分布族

一个非退化的m维随机向量Y称为是k阶几何无穷可分的，是指对任何0＜p＜1，存在独立同分布的m维随机向量{Ypi,i≥1}使得Y=,其中Np为取正整数随机变量，服从参数为p和k的广义几何分布，且Np与{Ypi,i≥1）独立．本文给出了这类分布的刻划和应用．