m-渐近负相协变量的若干强收敛性质

主要研究m-渐近负相协变量的若干强收敛性质.利用m-渐近负相协变量的极大值矩不等式建立其加权和的完全收敛性,进而得到几乎必然收敛性,并且在同样的条件下得到了更强的完全矩收敛性和完全f-矩收敛性,所得结果推广并改进了已有诸多文献的结果 .

基于负相协样本的经验过程的弱收敛(英文)

我们借助于一个Ｒｏｓｅｎｔｈａｌ型不等式建立了基于负相协样本经验过程的弱收敛性，同时在证明过程中我们给出了负相协随机变量的几个有用的矩不等式．

负相协重尾随机变量和的尾概率的渐近性的若干注记

本文得到了同分布负相协重尾随机变量和的最大值、随机个和的最大值尾概率的渐进性质.所得到的结果削弱了Wang和Tang(Statist.Prob.Lett.,68,287-295,2004)的Theorem 2.1的矩条件,在与[1]的Theorem 2.2不同的条件下得到了相应的结果,并且都解除了上述[1]的结果中对随机变量的支撑的限制.

不具有平稳分布的负相协随机变量的强大数定律

本文应用Shao所提供的极大值矩不等式给出了两个不具有平稳分布的负相协随机变量列的强大数定律.

负相协重尾随机变量随机和的中偏差(英文)

本文讨论了具有重尾负相协索赔的经典风险模型.通过一种改进后的大偏差技术,给出了索赔总量过程的中偏差结果:所获结果推广了独立索赔情形下的相应的结果.

负相协更新门限超出概率与红利干扰模型中破产概率的渐近估计

该文中, 作者得到了负相协更新门限超出概率的渐近估计, 其推广了 Robert（2005）[12] 中的相应结果. 进而通过新的方法, 得到了红利干扰模型中破产概率的渐近估计的严格证明.

负相协重尾索赔模型有限时破产概率的弱渐近性(英文)

考虑索赔额为负相协随机变量序列、有共同分布属于控制变化尾分布族及长尾分布族的风险模型,研究了随机时间内破产概率的弱渐近性,得到了此类模型在随机时间内破产概率的一个渐近等价公式.

负相协样本多维边际密度的经验似然推断

研究负相协样本多维边际密度函数的经验似然置信区间的构造,证明了负相协样本多维边际密度函数的分组经验似然比统计量的极限分布为卡方分布,由此结果可构造多维边际密度函数的经验似然置信区间。

负相协D族广义Sparre-Andevsen模型下的大偏差及其应用(英文)

本文将经典的Sparre-Andevsen风险模型推广到保费收入过程不再是线性过程的一般风险过程,得到了一些关于负相协D族随机变量随机和的大偏差结果,以及破产概率的弱等价性.

负相协样本下总体分位数的经验似然渐近性质的推断

文章在强平稳负相协样本下,利用分组经验似然比方法,克服了传统经验似然方法的缺陷,所得到的渐近分布为标准的卡方分布,便于构造总体分位数的渐近置信区间。

基于负相协样本经验过程的加权弱收敛(英文)

在文中，我们建立了基于负相协样本经验过程的加权弱收敛，同时利用这个结果，我们还证明了其积分的弱收敛性，并将这些结果应用于生存分析，获得了一些相应的弱极限性质．

负相协随机变量的指数不等式

该文给出了一些负相协随机变量的指数不等式.这些不等式改进了由Jabbari和Azarnoosh及Oliveira所得到的相应的结果.利用这些不等式对协方差系数为几何下降情形,获得了强大数律的收敛速度为n^(-1/2)(log log n)^(1/2)(log n)~2.这个收敛速度接近独立随机变量的重对数律的收敛速度,而Jabbari和Azarnoosh在上述情形下得到的收敛速度仅仅为n^(-1/3)(log n)^(5/3).

负相协平均剩余寿命函数和有效函数的一类非参数估计

本文在 NA 样本下,讨论了平均剩余寿命函数和有效函数的非参数递归型估计的相合性和渐近正态性．

负相协随机变量列尾和的重对数律

设{X_n,n≥1}为负相协随机变量序列,S=sum from n=1 to∞X_n收敛,本文讨论了部分和S_n=sum from k=1 to n-1 X_k→S的收敛速度,获得了关于尾和U_n=S-S_n的重对数律。

负相协随机变量序列的线性小波密度估计(英文)

给出了一类具有共同的概率密度的负相协随机变量序列的线性小波密度估计,得到了这种估计的L_p-损失的界．

负相协和负象限相依关系的研究

在可靠性中,可以利用随机变量之间的相协关系来刻画随机变量之间的相依性,但相协的概念并不完善,针对这个问题,提出了负相协的定义,给出了负相协的性质,最后对负相协和负象限两种相依关系进行了研究.

负相协样本分布函数的递归型核估计

设{Xn;n≥1}是一实值平稳负相协具有相同未知分布函数F(x)的随机变量序列,本文给出了F(x)一种递归型核估计F∧n(x)=1nj∑=n1K(x-hjXj),并讨论了它的渐近正态性,这里K(.)是已知的分布函数,窗宽{hj}满足hj↓0(j→+∞)。

负相协重尾随机变量加权和的尾概率等价关系

文章在负相协同分布重尾分布条件下,得到了随机变量加权和的尾概率等价关系。通过对负相协同分布随机变量和的最大值、随机个和的最大值的尾概率的渐进性质,以及概率不等式的有关知识,得到的随机变量加权和的尾概率等价关系,消弱了有关文献对独立性的要求;在负相协同分布重尾分布条件下,推广了唐启鹤等人所作的结果,使得到的结论更具有普遍性;由它推导的许多性质,可广泛应用于金融保险及突发事件的研究中。

行为负相协随机变量阵列加权和的矩完全收敛性

矩完全收敛性是极限理论随机变量所需研究的重要性质之一。本文研究了行为负相协(NA)随机变量阵列加权和的矩完全收敛性,在已有结论的基础上获得了一些新的结论,完善了Sung的结果。本文所采用的证明方法完全不同于Sung的方法,运用截尾的思想简化了证明过程,有一定的创新。

非负不同分布负相协随机变量下的精细大偏差（英文）

本文研究非负,不同分布,负相协随机变量的精细大偏差问题.在相对较弱的条件下,重点解决了非随机和的精细大偏差的下限问题,得到相对应的随机和的一致渐近结论.同时,对复合更新风险模型进行了深入的讨论,在一定的条件之下将其简化为一般的更新模型,并将所得相关的精细大偏差的结论应用到更为实际的复合更新风险模型中,验证了其理论与实际价值.除此之外,本文的研究还表明,随机变量间的这种相依关系对精细大偏差的最终结果的影响并不大.