多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(XK1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k∞=1,…,n,i=1,…,p为正实数.定义点过程:Ni(.)=∑k=1I{Xki>uki}I{kn}(.).在一定条件下,本文得到了p个分量点过程N1(.),…,Np(.)的渐近独立性.     

高斯序列超过数点过程与和的联合渐近分布

为非平稳标准化高斯序列,记为对水平的超过数形成的点过程,为的第k个最大值,。在下,给出与,与的联合渐近分布。     

平稳高斯序列超过数点过程与部分和的联合渐近分布

｛Ｘｎ｝为标准化平稳高斯序列，Ｎｎ为Ｘ１，Ｘ２，，Ｘｎ对水平ｕｎ（ｘ）的超过数形成的点过程，ｒｎ＝ＥＸ１Ｘｎ＋１，Ｓｎ＝∑ｎｉ＝１Ｘｉ．ｒｎｌｏｇｎ→０时，在一定条件下得到Ｎｎ与Ｓｎ的渐近独立性．     

一类拟平稳序列之超过数点过程的渐近分布

在较弱的条件下，研究了一类拟平稳序列之超过所形成的点过程Ｎｎ的渐近分布，得到Ｎｎ在（０，１］上依次分布收敛到一泊松过程。     

非平稳弱相依高斯序列次最大值的位置和高度的联合分布

在条件1/n∑i=[cn]^[dn]exp（an^＊（mi-mn^＊）-1/2（mi-mn^＊）^2）→d-c n→∞,0＜c＜d≤1 下，得到了非平稳弱相依高斯序列次最大值的位置和高度的联合渐近分布．     

标准非平稳高斯过程的逗留极限定理

本文讨论一般均值为0而方差为1的非平稳高斯过程在高水平之上的逗留极限定理,布朗运动作为特例被涉及.     

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。     

平稳高斯过程最大值的极限分布

设{(ξt),t≥0}为平稳高斯过程,E((ξt))=0,E(2ξ(t))=1,E(ξ(0)(ξt))=r(t).当r(t)logt r∈(0,∞),且r(t)单调下降到零时,得到了M(T)=sup{ξ(t);0≤t≤T}的极限分布.     

一类强相依非平稳高斯序列最大值的几乎处处收敛

 设{X_n,n≥1}为存在样本缺失的标准化强相依非平稳高斯序列,其相关系数r_ij=EX_iX_j.在r_ijln(j-i)→r∈(0,∞)的情况下,得到了完整样本的最大值与非完整样本的最大值的联合极限分布,并证明了其几乎处处收敛.     

局部平稳高斯过程的最大值与最小值的渐近独立性

研究了满足Berman条件的局部平稳高斯过程 {X(t) ,0≤t≤T}的最大值与最小值的联合渐近分布 .在一定条件下 ,获得了最大值与最小值的渐近独立性和绝对值的渐近分布 .     

d维平稳高斯过程图集和水平集的Hausdorff维数和Packing维数

研究了ｄ维平稳高斯过程样本轨道的分形性质,得到了图集和水平集Ｈａｕｓｄｏｒｆｆ维数及Ｐａｃｋｉｎｇ维数。Ｐｏｌｙａ过程为其特例。     

优化权重下平稳高斯序列的部分和与最大值的几乎处处中心极限定理

在协方差满足一定条件下,研究平稳高斯序列的部分和与最大值的几乎处处中心极限定理,获得平稳高斯序列的加权函数形式的几乎处处中心极限定理,此结果推广Marcin Dudzinski在对数平均下的平稳高斯序列的几乎处处中心极限定理.     

一类非平稳Gauss过程的连续模

是均值为０，增量独立的非平稳Ｇａｕｓｓ过程，这里常数α＞０，ｗ（ｘ）是一参数标准Ｗｉｅｎｅｒ过程．我们将建立这类过程的连续模．     

过程混合的高斯过程模型混合采样推理

提出了基于Dirichlet过程混合的高斯过程模型揭示复杂动态系统结构数据的多态性的内在机制.针对均值结构与协方差结构稀疏性的差异性,设计了参数先验与非参数先验来构建基于Polya urn与过松弛层采样的混合采样框架体系.该混合采样方案不但能够在统一的Metropolis Hasting(M H)概率评价准则下实现,而且能够最大限度地克服高斯随机走步的缺陷,方便、快速地获得马尔科夫样本链的展开.仿真结果表明,混合采样算法比高斯过程回归模型及高斯过程函数回归混合模型具有更广泛的适应性及更好的预测效果.