m-WOD序列密度函数和失效率函数核估计的强相合性

设{Xn, n≥1}为一同分布的m 宽象限相依(m-WOD)序列, f_n(x),r_n(x)分别为密度函数f(x)基于样本X₁,X₂,…,X_n的核估计和失效率函数核估计. 在适当的假设条件下, 利用m-WOD序列的矩不等式和Borel Cantell 引理, 证明核密度估计及失效率函数核估计的强相合性和一致强相合性.     

m-WOD序列密度函数和失效率函数核估计的强相合性

设{Xn, n≥1}为一同分布的m 宽象限相依(m-WOD)序列, f_n(x),r_n(x)分别为密度函数f(x)基于样本X₁,X₂,…,X_n的核估计和失效率函数核估计. 在适当的假设条件下, 利用m-WOD序列的矩不等式和Borel Cantell 引理, 证明核密度估计及失效率函数核估计的强相合性和一致强相合性.     

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.     

次线性期望下WOD随机变量序列加权和的几乎处处收敛性

在次线性期望下, 利用截断的方法给出宽象限相依(WOD)随机变量序列的强大数定律.     

宽象限相依样本下频率插值密度估计的收敛性质

频率多边形插值估计是一种非常重要的概率密度估计方法,该估计不仅在相同计算量下比直方图估计收敛速度快,而且在计算二元数据集合比核密度估计更简单、便捷,所以对其进一步探究是有理论研究价值的。设{X_n,n≥1}为宽象限相依的随机序列,具有未知的密度函数f(x),利用宽象限相依序列的Rosenthal-型不等式和截尾的技术,在适当的条件情况下,获得了频率插值密度估计的强相合性和r阶矩相合性。     

WOD样本密度函数和失效率函数递归核估计的逐点强相合性

考虑同分布宽象限相依(WOD)随机样本未知密度函数的一类递归型密度核估计量.利用WOD序列的Rosenthal型不等式,在一定条件下证明了该估计量的逐点强相合性,并讨论了失效率函数估计的逐点强相合性.     

若干随机变量序列的大偏差估计

利用Markov不等式和Cr-不等式,研究了在条件||Xi||=(.E |Xi|p)1/p≤M＜∞下的线性负象限相依(LN-QD)序列,α混合序列,p混合序列的大偏差估计.     

WOD随机变量序列加权和完全收敛性及其应用

随机变量序列是概率极限理论重要研究的内容，由于随机变量序列独立的条件已经不满足日常生活和科学研究的实际要求，相依随机变量序列被提出.其在风险预测、地质勘测、保险等领域应用非常广泛，宽相依(widely orthant dependent, WOD)随机变量序列是一种常见的相依随机变量序列.采用随机变量尾截技术，结合运用新的矩不等式证明研究WOD随机变量序列加权和完全收敛性，且将其结果应用到非参数估计当中具有重要意义.     

宽象限相依随机变量部分和的中偏差及其在 保险中的应用*

研究了控制变换尾分布的宽象限相依实值随机变量部分和的中偏差. 相应于所得到的理论结果, 进一步给出了在相依保险风险模型中的两个应用: 一是在基于顾客到达过程的保险风险模型中, 保险公司盈余的渐近估计; 二是在复合更新风险模型中, 有限时和无限时破产概率的一致渐近估计.     

一类具有宽下限相依结构的索赔时间间隔分布的更新风险过程

研究一类特殊的更新风险过程,其索赔时间间隔服从宽下限相依分布、在索赔额序列为负相依同分布的重尾随机变量属于L∩D族的假设下,得到了有限时间破产概率的一致渐近性.     

ρ混合序列权函数估计的渐近性质

为研究非参数回归模型中ρ混合序列权函数估计的渐近性质问题,在矩条件较合理的情形下,采用相依序列概率不等式以及截断的方法,获得了回归函数g(·)权函数估计的几乎处处收敛的强相合性;在矩条件和权函数条件较合理的情形下,利用相依序列概率不等式以及Bernstein大小分块和Lyapunov中心极限定理的方法,获得了回归函数g(·)权函数估计的渐近正态性.将其他相依序列下相应方法和结论推广到ρ混合序列.     

强相依高斯序列最大值几乎处处中心极限定理

讨论强相依高斯序列最大值的几乎处处中心极限定理,将蔺富明的对数平均下的强相依高斯序列最大值的几乎处处中心极限定理推广到权重为exp(lnβk)/k(0≤β1/2)的情形.     

(ψ)混合序列的若干收敛性质

讨论(ψ)混合序列的收敛性质,得到3个完全收敛定理,将(ψ)混合序列独立情形下的收敛性质较好地推广到相依情形.     

一个宽上限相依不同分布的随机变量和不等式

研究宽上限相依随机变量和的尾概率问题,利用截断误差的方法得到一个宽上限相依的随机变量和的尾概率不等式,它将负相依同分布的随机变量和的结论推广到宽上限相依不同分布的相应的形式上.     

END随机变量加权和的强极限定理

END(extended negatively dependent)序列是一类非常宽泛的随机变量序列,它包括独立随机变量序列、NA(negatively associated)序列、NOD(negatively orthant dependent)序列等.利用END随机变量序列的Rosenthal型矩不等式,研究了END随机变量加权和的强极限定理,所得结果推广了独立变量和若干相依变量的相应结果.     

平稳高斯序列的联合渐近分布

{Xn}为标准的平稳高斯序列,在弱相依条件下,文章得到了此序列的第k个最大值Mn(k)与其出现的位置Ln(k)的联合渐近分布,以及此序列的前k个最大值的联合渐近分布。     

时间相依复合更新风险模型中索赔过程的精细大偏差

考察了复合更新风险模型的精细大偏差。单次事故导致的索赔额为广义负上象限相依的且服从重尾分布的随机变量,单次事故引起的总索赔额与其对应的索赔时间间隔相依。     

关于随机变量序列的无规则性定理

引入了似然比作为任意随机序列与独立序列差异的一种度量。将无规则性定理推广到任意相依整值随机变量序列情形，用文献[2]的方法，给出一种新的区间剖分法来构造适当的较，然后利用Doob关于鞅几乎处处收敛定理，得到了任意整值随机序列无规则性(随机选择)若干强极限定理。     

带有重尾分布的宽相依随机变量的随机加权和的精致大偏差

研究了同分布宽相依随机变量的随机加权和的精致大偏差,所考虑的宽相依不但包括一些负相依随机变量,还包含一些正相依以及其他相依随机变量.当随机变量的共同的分布F属于一致变换尾分布族时,得到了一个精致大偏差的估计,此结果推广了文献[1]的相应结果.     

长程相依过程精确渐近性的一般结果

设{εk,-∞k∞}为零均值的独立同分布序列,令长程相依过程∞{Xt=∑akεt-k,t≥0},其中{ak,k≥0}为满足条件ak~k-αl(k)的实数序列,1/2α1,k=0l(k)为缓变函数.利用长程相依过程的弱收敛定理和矩不等式,对边界函数和拟权函数得到了矩完全收敛性的精确渐近性的一般结果.