NSD随机变量加权和的强收敛性质

负超可加相依(negatively superadditive dependent,NSD)随机变量是一类包含独立随机变量和负相协(negatively associated,NA)随机变量在内的非常广泛的相依变量。文章利用NSD随机变量的三级数定理和随机变量的截尾技术,在较弱的条件下建立了NSD随机变量加权和的若干强收敛性质。所得结果推广了独立随机变量和NA随机变量的相应结果。     

非负相依随机变量和的尾部概率一致渐近估计

假设{X_i}_(i≥1)为一列非负不同分布的随机变量,其分布函数属于重尾子族-C族且联合分布满足多元FGM copula函数。探讨了序列{X_i}_(i≥1)的部分和及随机和的一致渐近估计,推广了相依结构随机变量尾部渐近概率的相应结果.。     

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.     

多元风险模型中的长尾END的精确大偏差下界

研究了多元风险模型中的服从长尾分布族及延拓负相依(END)的随机变量的和的尾概率,在给定的一些条件下,通过采用类似的求解多元独立同分布的随机变量的非随机和与随机和的精确大偏差方法,在随机变量序列中引入延拓负相依的关系,得到多元风险模型中的服从长尾分布的带有延拓负相依关系的随机变量序列的非随机和与随机和的精确大偏差下界,推广了相应的独立同分布情形下的结论。     

阿基米德Copula生成元的复合构造研究

本文提出了基于生成元与一般函数复合构造阿基米德Copula生成元的一种新方法．给出了二维阿基米德Copula左右复合构造的充分必要条件;对一般多维情形,给出了复合构造的充分条件;而且还讨论了左右复合构造以及复合构造与其他方法之间的联系．     

推广的延拓负相依风险模型中的精确大偏差

构造了由保费过程和索赔额过程构成的推广的延拓负相依风险模型,研究其上服从重尾分布的随机变量随机和的尾概率问题,利用求带相依关系的随机变量的随机和的大偏差方法,得到了由服从重尾分布的延拓负相依关系的随机变量构成的盈余过程中的随机和的精确大偏差,将由独立同分布的随机变量构成的盈余过程中的随机和的一致渐近结论推广到由延拓负相依同分布的随机变量构成的结论。     

推广的延拓负相依风险模型中的精确大偏差

构造了由保费过程和索赔额过程构成的推广的延拓负相依风险模型, 研究其上服从重尾分布的随机变量随机和的尾概率问题, 利用求带相依关系的随机变量的随机和的大偏差方法, 得到了由服从重尾分布的延拓负相依关系的随机变量构成的盈余过程中的随机和的精确大偏差, 将由独立同分布的随机变量构成的盈余过程中的随机和的一致渐近结论推广到由延拓负相依同分布的随机变量构成的结论。
     

NSD随机变量加权和的强收敛性

利用负超可加可相依(negatively superadditive dependent,NSD)随机变量的MarcinkiewiczZygmund型矩不等式、Kolmogorov型指数不等式和随机变量的截断方法,给出NSD随机变量阵列加权和的若干完全收敛性的结果.所得到的结果把同分布负相协(negatively associated,NA)随机变量加权和的相应结论推广到了NSD随机变量变列加权和的情形,并且不需要同分布的条件.     

NSD随机变量阵列的完全矩收敛性

主要利用负超可加相依NSD(negatively superadditive dependent)随机变量的截尾技术和Rosenthal型不等式,研究了NSD随机变量阵列部分和的最大值序列的完全矩收敛性,给出了证明完全矩收敛性的一些充分条件。所得结果推广了独立变量和若干相依变量的相应结果。     

相依结构下重尾随机变量和条件分布尾渐近性态

给定n个非负基本随机变量,其分布属于一致变化重尾分布族,以及另外n个非负任意相依的加权随机变量,但是与基本随机变量相互独立,在一类相依结构下,本文得到了基本随机变量和与加权随机变量和条件分布尾若干渐近公式,并给出了它们在风险度量中的一个应用,推广了相关文献的结论。     

经验过程在阿基米德Copula拟合优度检验中的应用

针对阿基米德Copula所特有的变量可交换性,提出了一种基于经验Copula过程的新拟合优度检验方法。不同于一般的Copula拟合优度检验,该方法在选择最优的阿基米德Copula时具有良好的效果。     

半参数阿基米德Copula的理论应用

半参数阿基米德Copula族的生成元可由现有阿基米德Copula生成元得到,由于有独特的构造方式,该Cop-ula族具有灵活的相关结构,能"自适应"地描述数据中包含的相关结构.外汇市场的实证分析证实了该Copula族在描述相关结构时的灵活性,对选择何种Copula描述金融资产间的相关结构有一定的参考意义.     

基于Copula的一个概率论反例的构造

Copula是描述随机变量间相关性的一个有力工具．利用Copula来构造概率论中有关随机变量的独立性的反例．首先以3-Copula为例构造了一个Copula族,继而通过这个Copula族,构造出随机变量X,Y,Z的联合分布函数,使得随机变量X,Y,Z中的任意2个都是独立的,但X,Y,Z不是相互独立的;最后通过例子说明,该方法较传统方法更为简洁有效．进一步地,这一方法可以应用到更高维数的场合．     

非交换概率空间上的切比雪夫不等式与大数定理

研究了非交换概率空间上自伴随机变量的期望、方差、独立性、相关性等性质，证明了关于自伴随机变量的切比雪夫不等式与大数定理。     

复随机变量的条件独立性与条件回归独立性

将实随机变量的条件独立性与条件回归独立性的研究推广到复随机变量,讨论了复随机变量的条件独立性、条件回归独立性及强条件独立的关系,得到了三者等价的几个充分必要条件.     

随机变量独立性的一个结果

本文给出不相互独立的随机变量，其平方间的独立性及其函数间独立性的一个结果．     

分布矩阵与离散型r.v.独立性的判定

基于离散型r.v.分布矩阵,给出二维、三维离散型r.v.独立性的充分必要条件,得到了相应的离散型r.v.独立性的判别方法,并给出相关应用.     

随机独立性与回归独立性

回归独立性是指给定随机变量X时,随机变量Y的条件期望E(Y|X)不依赖于X。本文讨论了回归独立性与随机独立性之间的关系,得到了两者等价的几个充分必要条件。并指出了这些条件在统计分析中的应用。     

LPQD序列的最大值不等式和强大数定律

本文证明了LPQD随机变量序列的最大值不等式,并由此得到一个LPQD序列的强大数定律．所得结果分别推广了Newman—Wright和Birkel关于PA序列的相关结论．