Ito^∧随机大生态系统的稳定性

诗论由o^∧型随机微分方程dX(t)=b(t，X(f))dt σ(t，X(t))dW(t)所描述的随机大生态系统，运用分解——集结法和首次利用混合拟单调流得到了大系统的随机(强)生态稳定的判据。     

一类随机过程经验测度的大偏差

给出了{(Xε,Zε(t));ε>0,t∈[0,T]}的经验测度的大偏差速结果.Xε(t)满足下面的随机微分方程:dXε(t)=εdB(t) b(Xε(t),Zε(t))dt Xε(0)=x,Zε(t)为n个状态随机过程.     

封闭式基金随机动态定价模型

通过讨论封闭式基金净值X1、封闭式基金折价率X2和流动性不足X3对封闭式基金的市场交易价格的影响,导出了封闭式基金的市场交易价格的随机动态形式:P(X1,X2,X3,t)=exp(X1-1k(1-exp(-k(T-t)))X2-(T-t)X3+C(t)).     

局部遍历随机环境下一个重伸缩过程收敛的结果

考虑一个重伸缩过程(Xη,εt)t≥0,假设{η(x)}x∈Z是由局部遍历性的概率测度分布的,本文研究此过程当ε→0时的极限。证明了在局部遍历性分布条件下,对于R上的二阶连续可微函数f(X)和某个与η独立的齐次扩散函数a(X),这个重伸缩过程依分布με收敛到R上具有无穷小生成元d/dX(a(X)d/dXf(X))的扩散过程。     

随机过程序列部分和的强不变原理

设{ Xn(t)|t≥0|为一列相互独立的随机过程,记Sn(t)=n∑k=1Xκ(t),讨论了在当n≥1,t＞0时,EXn(t)=0,0＜VarXn(t)＜∞的条件下随机过程序列部分和Sn(t)=n∑k=1Xk(t)的强不变原理,并导出了其Hartman-Winte重对数律.     

二維平稳序列的正則奇异条件及WOLD分解的譜表示

若X={X(t)=,t=0,±1,±2,…}为n維平稳序列。則它有譜表示 X(t)=integral from n=-π to π(θ~(iλt)dζ_X(λ)),其中ζ_X(λ)=为n维正交增量过程,亦称为序列X的随机谱函数,它满足     

一类多时滞中立型随机微分方程的指数稳定性

考虑了下列非线性多时滞中立型随机微分方程d[x(t)-u(x(t-t_1)]=f(x(t),x(t-t_2),t)dt+g(x(t),x(t-t_3),t)dw(t),t≥0.利用Lyapunov方法获得了该方程的p阶矩指数稳定性的一些判别准则.通过Chebyshev不等式和Borel-Cantelli引理证明了该方程的几乎必然指数稳定性.     

一类高维随机系统的小波分析

利用小波分析研究了线性随机系统WTHXXWTBX(t)=WTHXXWTBX0+∫tt0WTHXFWTBX(τ)WTHXXWTBX(τ)d(τ)+∫tt0WTHXBWTBX(τ)WTHXuWTBX(τ)dτ+∫tt0WTHXGWTBX(τ)dWTHXβWTBX(τ)在小波变换下的平均功率、稠度、小波展开及展开系数的相关性等。     

二阶模糊随机过程均方Henstock-Stieltjes积分的收敛定理

利用二阶模糊随机过程均方Henstock-Stieltjes积分的定义和性质,讨论了两类二阶模糊随机过程均方Henstock-Stieltjes积分的收敛定理,即二阶模糊随机过程序列关于增实函数收敛定理(p)1im(n→∞)∫ba Xn(t)dg(t)=∫baX(t)dg(t)和均方连续二阶模糊随机过程关于实值单调非减...     

NA随机变量随机和的差的精确大偏差

【目的】研究由两类保单构成的随机和的差 * 的相依风险模型,该风险模型中第一类保单{X1j,j≥1}是一个负相协(Nagatively associated,NA)随机变量序列,{X2j,j≥1}是一个独立的随机变量序列,{N1(t),t≥0}和{N2(t),t≥0}是两个计数过程。【方法】采用类似求独立随机变量随机和的差的精确大偏差的渐近极限方法,研究了NA随机变量随机和的差的精确大偏差问题。【结果】引入一些假设条件,得到如下的一致渐近极限结论,即:对于任意固定的γ>μ2,有 *。 【结论】推广了独立随机变量随机和的差的精确大偏差的相应结论。(注：*处为公式)
     

Wavelet Analysis of the Stochastic System with Coular Stationary Noise

In this paper, wavelet transform is used to analyse the stochastic system with coular stationary noise as follows: dX(t)=F(t)X(t)dt B(t)u(t)dt G(t)N(t)dt For wavelet transform, its properties are analysed, and its density degree, wavelet expansion, correlation degree of expansion coefficient and their properties are obtained. All these results are new and useful.     

一类马氏过程经验测度的大偏差

给出了{(Xε(t),Z(t));ε>0,t∈[0,T]}的经验测度的大偏差速结果.Xε(t)满足下面的随机微分方程:dXε(t)=εdB(t) b(Xε(t),Z(t))dtXε(0)=xZ(t)为n个状态Markov链.     

N指标算子稳定Lévy过程的像集Hausdorff维数结果

设X={X(t),t∈RN }为以d×d可逆矩阵B为指数的N指标Rd值算子稳定Lévy过程,讨论了X在R N的子区域上的像集Hausdorff维数问题,证明了dim X([1,2]N)=min{d,αkN sum from j=1 to k dj(1-αk/αj),k=1,…,p},a.s.,其中α1>α2>…>αp为B的p个不同的特征值实部的倒数,d1,…,dp分别为它们所对应子空间的维数.该结论表明X在R N的子区域上像集Hausdorff维数完全由B的特征值的实部来确定.     

服从二元Lomax分布的两相关元件系统可靠性研究

若令随机向量(X1,X2)表示系统中两元件的寿命,则X(1)=min(X1,X2)和X(2)=man(X1,X2)就表示两个元件组成的串并联系统的寿命.在文本中,我们主要考虑(X1,X2)不可交换而联合分布为二维Lomax分布情形下,X(1)和X(2)的相依性关系,并从随机比较的角度讨论了串并联系统的性质.     

随机单调条件下带Poisson跳的倒向随机微分方程解的存在唯一性

讨论了带跳的BSDE:Yt=ξ ∫Ttf(s,Ys,Zs)ds-∫TtZsdMs,0≤t≤T,其中驱动过程Mt=(Wt,Qt)T,Wt=(W1(t),W2(t),…,Wr(t))是一个r维的标准Winner过程,令Nt=(N1(t),N2(t),…,Nd-r(t))T是一族相互独立的Poisson过程,且W和N相互独立,λ=(λ1,λ2,…,λd-r)T为其参数,定义Qt=(Q1(t),Q2(t),…,Qd-r(t))T为一族补偿Poisson过程,其中Qi(t)=λ-(1)/(2)i[Ni(t)-λit],0≤t≤T,i=1,2,…,d-r.通过构造函数逼近序列的方法,证明了飘移系数f关于y满足随机单调,关于z满足随机Lipschitz条件下,上述方程适应解的存在唯一性问题,并对文[9]中常系数线性增长条件作了改进.     

一类带马氏切换的扩散过程的大偏差速率函数

给出了{(Xε(t),Z(t));ε0,t∈[0,T]}的大偏差速率函数。Xε(t)满足下面的随机微分方程:{dXε(t)=εσ(Xε(t))dB(t)+b(Xε(t),Z(t))dt,Xε(0)=x。{Z(t),t∈[0,T]}是n个状态的马氏链。     

一维随机微分方程解的存在性与唯一性条件

本文利用随机时间变换及漂移变换方法,证明了具有可测系数的泛函型随机微分方程dX(t)=σ(t,X)dB(t)+b(t,X)dt,在没有σ和b的有界性和一致正定性条件下,其弱解的存在性;给出一个具有解唯一性的充分条件。     

Exact Hausdorff measure of the lever sets of a multi-parameter stable process

Let X(t)be a(N,d,α)stable process of type A with Nα＞ d.The exact Hausdorff measure of the lever sets of X - 1(x)is evaluated.     

随机微分方程的概率生成函数解法

讨论了当难以求出随机变量的分布函数时 ,如何研究随机变量的数学期望、方差、相关系数等数字特征的有关问题 ,利用概率生成函数与概率分布函数及相应的数字特征的关系 ,给出了概率生成函数为 gx( s) =∑∞k=0pksk时数学期望与方差的确定方法 ,并应用概率生成函数方法 ,证明了随机微分方程ddt Pk( t) =-λPk( t) λPk- 1 ( t)　 ( k≥ 1)在边界条件 ddt P0 ( t) =-λP0 ( t) ,P0 ( 0 ) =1,Pk( 0 ) =0 ( k≥ 1)之下的解为　 Pk( t) =1k!e-λt( λt) k　 ( k=0 ,1,2 ,… ) ,而随机微分方程ddt Pk( t) =-λk Pk( t) λ( k -1) Pk- 1 ( t)　 ( k >1)在边界条件 ddt P1 ( t) =-λP1 ( t) ,P1 ( 0 ) =1,Pk( 0 ) =0 ( k>1)之下的解为　 Pk( t) =e-λt( 1-e-λt) k- 1 .     

关于Hilbert空间上随机微分方程的稳定性问题

沿用经典的Liapunov直接法建立随机稳定性理论,其核心工作在于引进非负C~2-类函数V(t,x)及应用停止过程的It(?)公式(参看胡宣达[4]).我们尝试建立起Hilbert空间上停止过程的It(?)公式,并将随机稳定性理论推广到Hilbert空间上的随机微分方程上去.