随机和局部精细大偏差的应用

研究了在F∈SΔ,Δ=(0,T],T≤∞的条件下随机和S(T)=SUM from i=1 to N(t) ξi,t≥0中心化的局部精细大偏差结果中{h(t),t≥0}和{J(t),t≥0}的选取,并且给出了随机和的局部精细大偏差在索赔过程和再保险中的应用.     

一致变化尾的随机和局部精确大偏差

基于带O正则变化独立同分布随机变量的部分和的局部精确大偏差的相关结论,将其对应的随机和分为3个部分,利用次指数函数的相互关系以及控制收敛定理,分别证明每个部分的渐近性.最后证明了在随机变量的密度函数是一致变化尾时,其随机和的局部精确大偏差的渐近性.     

基于投保过程的风险过程的精细大偏差

提出了一个基于投保过程的风险模型.在索赔额为重尾分布假设条件下研究了损失过程的精细大偏差.     

随机元阵列加权和大偏差原理

设｛Ｘｎ,ｉ;１≤ｎ,ｎ≥１｝是取值于Ｂａｎａｃｈ空间的随机元阵列,｛ａｎ,ｉ,１≤ｉ≤ｎ,ｎ≥１｝是实数阵列。在较一般的条件下,证明了｛１／ｎΣ（ｎ,ｉ＝１）ａｎ,ｉＸｎ,ｉ;ｎ≥２｝的大偏差原理,并讨论了其在有限滑动平均和与Ｃｅｓａｒｏ和大偏差原理中的应用。Ｂｏｌｔｈａｕｓｅｎ与Ｂａｘｔｅｒ和Ｊａｉｎ的相应结果可视作特例。     

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.     

一类测度值随机过程的大偏差原理

设｛ξ＾λ；λ∈∧｝是取值于概率空间的随机过程，在一定的条件下，证明｛ξ＾λ；λ∈∧｝满足大偏差原理。所获结果推广了Ｋｉｆｅｒ的结论。     

D族的大偏差不等式

在大偏差问题中,重点是研究重尾随机变量之和的大偏差.Ng和Tang等人(2004)将两个假设弱化成一个.该文在此条件上讨论并得到了重尾子族D族中的几个大偏差不等式.     

D族 END随机变量随机和的精致大偏差

重尾理赔下风险模型的精致大偏差研究是现代保险精算学中的一个重要课题。假定理赔序列为一列D族重尾END同分布随机变量序列,理赔到来过程为一与理赔序列独立的计数过程。在一定条件下,得到该风险模型在一般情形下的精致大偏差,推广了相关文献已报道的结果。     

一类风险模型的精细大偏差

考虑一类重尾索赔条件下带干扰项的双险种风险模型,当索赔到达过程为一般非负整值过程,索赔额的分布属于重尾分布C族时,利用分析和概率方法得到了索赔剩余过程的精细大偏差.     

二元相依随机变量和的精确大偏差

随机变量序列和的精确大偏差能精确刻画其尾概率的极限性态,具有重要的研究价值。研究长尾上带有二元相依结构的随机变量和的精确大偏差,得到了随机变量的确定和及随机和的两种一致变化尾概率的相应结论。     

NA随机变量之和的大偏差与指数估计

对ＮＡ随机变量序列建立了类似于独立随机变量序列的大偏差概率不等式与指数估计。     

关于重尾随机中心化大偏差的若干结果

在研究了当索赔额属于ERV时的随机中心化大偏差的基础上进一步研究,得到了当索赔额分别属于GERV和G时,随机中心化大偏差的结果。     

B—值独立随机元部分和的大偏差

本文证明了B-值独立弱收敛随机元序列部分和的大偏差的几个结果,推广了Donsker和Varadhan定理,并说明在本文的条件下,一个经典结果不再成立.     

负相依随机变量和的概率大偏差不等式

对负相依随机变量序列部分和建立大偏差定理,给出有界变量的若干Bennett-Hoeffding型不等式,修正、完善和改进了近年来大偏差不等式的一些结果.     

广义负上限相关随机变量和的精确大偏差

讨论了长尾上的广义负上限相关的随机变量和的精确大偏差,得到了非随机和和随机和的两种一致变化尾概率的结果.     

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)
     

长尾加权相依的随机变量和的精确大偏差

研究了风险模型中的服从长尾分布的带加权相依关系的随机变量的和的尾概率,在给出一些假设条件下采用求精确大偏差的方法得到了加权的非随机和Sn和加权的随机和S(t)的两种渐近结果,推广了已存在的独立同分布条件下的相应结论.     

负相依随机变量之和的概率不等式

给出负相依随机变量序列的Fuc-Naeaev型概率不等式的一般形式。