NOD下VaR样本分位数估计的强相合性及其Bahadur表示

利用NOD样本的性质及其相关不等式,研究了在NOD序列情况下,风险度量VaR非参数估计量的性质.证明了VaR样本分位数估计的强相合性,同时也给出了VaR样本分位数估计的Bahadur表示.

ψ-混合序列下分位数估计的强相合及其Bahadur表示

在ψ-混合序列下,利用指数不等式证明分位数估计的强相合性,并给出其Bahadur表示.

END序列样本分位数的Bahadur表示及强相合性

文章在END序列下,利用END序列的Bernstein型不等式,得到了END序列样本分位数的Bahadur表示及其强相合性,推广和改进了已知的一些文献中的相应结论。

混合序列下分位数估计的强相合及其Bahadur表示

本文在混合序列下,证明了分位数估计的强相合性并给出其Bahadur表示.

宽象限相依序列下分位数估计的强相合性及Bahadur表示

本文在宽象限相依序列随机序列下,利用宽象限相依序列和的矩不等式及相关性质证明了分位数估计的强相合性并给出其Bahadur表示.

WOD样本下VaR核估计的强相合性及Bahadur表示

风险价值是金融界测量市场风险的主流指标,被众多金融机构所采用,其估计量的研究是一个值得探讨的问题.利用WOD序列的性质及其指数不等式,在WOD样本下研究风险价值核估计量的性质,同时给出风险价值核估计的收敛速率和Bahadur表示,运用数值模拟的方式评估核估计的效果,所获结论推广了相关文献的研究结果.

NOD序列样本分位数的Bahadur表示

Bahadur表示对于样本分位数估计的大样本性质的研究有着重要作用,Ling对NA样本证明了样本分位数估计的Bahadur表示及其收敛速度n 1/4(log n)1/2.本文在更广泛的NOD样本下利用指数不等式证明样本分位数的Bahadur表示,获得了更快的收敛速度n 1/2(log n log log n)1/2.由于NA样本是NOD样本的特例,所以我们的结论有效地推广和改进了Ling的结论.

非傍轴矢量高斯光束的光强表示

基于瑞利-索末菲衍射积分,未使用任何近似,对非傍轴矢量光束的两种光强表示式,即传统光强公式和时间平均坡印廷矢量的z分量进行了研究。对非傍轴矢量高斯光束详细数值计算结果的比较表明,两种表示式之间的差异,即两者的相对误差与束腰宽度及传输距离和波长的比值有关。对非傍轴矢量高斯光束,若传输距离与波长的比值为10,束腰宽度与波长的比值大于等于0.8,则最大相对误差不到1.5%。因此,传统光强公式是可用的。

分位点函数的光滑非参数估计的BAHADUR表示(英文)

文中对分位函数给出了具有更广泛应用的光滑分位估计,证明了该光滑分位估计的逐点和一致的Bahadur强表示定理;并由此结果推导了估计的重对数律,强逼近等深刻结果。

非傍轴矢量余弦-高斯光束两种光强表示的比较研究

从矢量瑞利-索末菲衍射积分公式出发,以非傍轴矢量余弦-高斯(CoG)光束为例,对非傍轴矢量光束的两种光强表示式,即传统光强公式和时间平均坡印廷矢量的z分量进行了比较研究.对非傍轴矢量CoG光束轴上和横向光强分布详细的数值计算和比较结果表明,两种光强表示式之间的相对误差η与w0/λ、z/λ和偏心参量b有关,其中w0,λ和z分别为束腰宽度,波长和传输距离.当偏心参量b较小,且束腰宽度与波长相比不很小时,例如,b≤0.8,w0/λ≥0.8,z/λ=10时,二者间的最大相对误差ηmax<2%,传统光强公式可以使用.

正相协样本分位数估计的Bahadur表示

作为一类常见的随机变量序列,正相协随机变量序列在可靠性理论和多元统计分析中有着广泛应用.本文的主要目的是研究一类严平稳正相协随机样本分位数的估计问题.首先,利用正相协随机序列的性质,我们获得了一个有关正相协随机变量的协方差不等式.然后,利用正相协序列的指数不等式获得了一个有关经验分布函数的不等式.最后,我们利用所得不等式,在适当的条件下,进一步讨论了样本分位数估计的强相合性,并给出了其Bahadur表示及其收敛速度.

随机截断下PL估计的强表示式

本文在随机左截断情形下， 研究了分布函数不连续时，分布函数的乘积限估计（ＰＬ估计）Ｆｎ（ｘ）的一致强表示式，得到与分布函数连续情形下相同的结果．

随机截断下PL估计的强表示式以及密度函数的核估计

本文在随机左截断情形下，研究了分布函数的乘积限估计（ＰＬ估计）＾Ｆｎ的一致强表示式，对文献［４］给出的强表示式的误差项的阶加以改进，并用此强表示式研究了核密度估计ｆｎ（ｘ）的渐近性质．对于渐近最优窗宽的选择以及ＭＳＥ的阶，得到与完全样本下相同的结果．

基于强相关逻辑的不精确应急时态知识表示

在强相关逻辑基础上扩展不精确时态关系,以满足不精确应急时态知识表示与推理的需要。给出了粗糙集及强相关逻辑的相关概念;通过定义不精确时态关系扩展了强相关逻辑,形成了粗糙时态强相关逻辑,给出了可靠性和完备性证明;通过实际例子说明粗糙时态强相关逻辑的知识表示和应用。结果表明扩展后的粗糙时态强相关逻辑可以实现不精确时态知识的表示与推理。

具有限强表示的半序集的序收敛

在一个半序集中可以定义网的各种序收敛,本文讨论一个半序集P及其分割完备化?中序收敛的关系、P及其强收缩中序收敛的关系,以及直积中的序收敛.主要证明了下列结果:若半序集P有一个有限强表示{P_1|i=1,…,k},那么P中的网是序收敛的当且仅当它在每一个强收缩P_i上是序收敛的.

光滑条件分位估计的强表示及其应用

文中考虑了一核光滑的条件分位估计,获得了该分位估计的强一致Bahadur表示定理。并由此定理推导了该估计的重对数和弱收敛等结果。

C^n中具非光滑边界的强拟凸多面体上的一个积分表示

得到Cn 中具逐块C( 1) 边界的强拟凸多面体上含参数的Koppelman Leray Norguet公式及Cn 中边界不必光滑的强拟凸多面体上含参数的Koppelman Leray Norguet公式 ,并相应得到 方程的解 ,其特点是含有可供选择的实参数m =2 ,3,… ,N(N <+∞ )且不含边界积分 。

半参数回归模型M估计的线性强表示

考虑半参数回归模型yi=XiTβ+g(ti)+iε.基于用小波的方法处理非参数分量的基础上,研究了该模型的M估计,得到了参数及非参数分量的线性强表示,并研究了这些表示在收敛速度、重对数律及Berry-Esseen型界限的应用.

α混合序列下的核型分位数估计的Bahadur表示

考虑了在α混合序列下核型分位数估计的Bahadur表示,并建立该分位数估计的渐近正态性,将独立样本下的Bahadur表示进行了推广。

强拟凸多面体域的解析子簇上全纯函数的积分表示

通过在Ｃｎ空间中强拟凸多面体域的复补维数为ｍ（１≤ｍ＜ｎ）的子流形上构造积分核，得到该复子流上的全纯函数的积分表示公式．