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.     

带负相依控制变化尾的双边随机变量和的精致大偏差

得到了带负相依双边控制变化尾分布的随机变量的和的精致大偏差结果,把Tang关于E和Wang等关于NAr．v．s的结果分别推广到D和NDr．v.s．     

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.     

UEND 和 φ 混合随机变量随机和的精确大偏差

介绍了UEND和φ混合的相依关系的随机变量,研究了具有UEND和φ混合的相依关系的随机变量的随机和的尾概率问题,利用一种求相依关系的随机变量的随机和的大偏差方法,得到了具有UEND和φ混合的相依关系的服从重尾分布的随机变量的随机和的渐近尾概率的结果,将服从独立不同分布的随机变量的随机和的一致渐近结论推广到了服从不同分布的带相依关系的随机变量的随机和的结论上.     

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.     

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。     

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)
     

次指数随机变量列的精致大偏差

得到了独立同次指数分布随机变量的精致大偏差结果,取消了现有的类似结果中q(t)最终单调趋于0的条件,同时稍微加强了下述条件:m in(α,β)>N,对某个N>2,并且得到了以负相协随机变量列的更新过程为随机脚标的类似结果。     

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.     

随机和的局部精细大偏差

利用风险理论讨论了随机和S(t)=sum from i=1 tp N(t)(ξi),t≥0中心化的局部精细大偏差问题,得到了对x∈[I(t)+J(t),∞)一致地有P(ξ1+ξ2+…+ξN(t)-ES(t)∈x+Δ)~nF(x+Δ),其中{N(t):t≥0}是一个与{ξi:i≥1}独立的泊松过程.     

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.     

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.     

NA随机变量加权和的强大数律

研究了NA列加权和的Marcinkiewcz-Zygmund强大数律,推广了强大数律的结果．     

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.     

不同分布的BUTI的大偏差

主要研究了长尾上的带有BUTI的、不同分布的随机变量和的尾概率,得到了部分和和随机和的一致渐近的大偏差的结论,推广了已存在的相应结论.     

随机变量和的估计定理

建立了关于随机序列部分和及加权和增长阶的估计,推广了Freedman收敛速度和已有的结果,这些结果除矩条件外,对随机变量的独立性和联合分布不作具体要求.最后揭示了序偶序列出现的频数与转移概率之间的关系.     

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。     

高阶广义正规变化尾的随机游动的大偏差估计

研究高阶广义正规变化条件下随机游动的大偏差估计.假设独立同分布的随机变量的尾分布是高阶广义正规变化函数,得到一个大偏差估计.利用高阶广义正规变化条件的一个等价形式,得到由独立同分布(i.i.d)随机变量生成的随机游动的大偏差Vn(x)=P{Sn>x}的估计.     

END随机序列的完全收敛性与强收敛性

利用END随机序列矩不等式和截尾法,探讨END随机序列的完全收敛性和强收敛性.给出了其相应的三级数定理,并利用所得结论获得了其完全收敛性与强收敛性的一些充分条件.