导读:本文包含了相依随机变量论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:偏差,变量,模型,概率,精确,抗压强度,风险。
相依随机变量论文文献综述
唐风琴[1]（2018）在《Sarmanov相依随机变量随机加权和的渐近估计》一文中研究指出文章考虑Sarmanov分布的随机变量序列{(X_i,Y_i),i≥1}的随机加权和(∑ni=1θiXi,n∑j=1θjYj)尾概率的渐近估计问题,所得结果推广了一维随机变量加权和渐近估计结果.(本文来源于《淮北师范大学学报(自然科学版)》期刊2018年01期）
陈建兵,万志强,宋鹏彦[2]（2018）在《相依随机变量的随机函数模型》一文中研究指出针对二维非独立随机变量的概率描述,提出了随机函数模型,将其转化为二维独立随机变量问题.该模型中的待定函数恰好为条件均值函数与条件标准差函数,可根据物理机制或实测数据确定.特别地,本文建议根据问题的物理机制确定待定函数的基本形式,进而基于数据确定基本变量的概率分布.以混凝土的弹性模量和抗压强度关系为例详细阐述了上述步骤.其中,考虑混凝土的一维损伤演化机制,研究了混凝土弹性模量与抗压强度分布界限,结合物理机制确定待定函数的形式并通过试验数据识别参数,建立了实用随机函数模型的具体表达式.与Copula函数模型的对比表明,该模型可以很好地刻画数据的基本概率特征,且避免了直接处理联合概率分布,便于在工程中应用.本文提出的方法可以推广到高维非独立随机变量的概率描述之中.(本文来源于《中国科学:物理学 力学 天文学》期刊2018年01期）
黄海午[3]（2017）在《行负相依随机变量阵列的完全收敛性（英文）》一文中研究指出本文研究同分布假设条件和随机控制要求下行负相依随机变量阵列最大值部分和的完全收敛性的问题,得到一些新的结果.这些结果推广和改进了已有关于行独立随机变量阵列和行负相依随机变量阵列的相关定理.作为应用,行负相依随机变量阵列的Chung型强大数定律被取得.(本文来源于《应用数学》期刊2017年04期）
华志强[4]（2017）在《重尾相依随机变量和的差的精确大偏差》一文中研究指出在保险精算学中常常用重尾分布来刻画极端事件的性质,进而服从重尾分布的随机变量和的精确大偏差问题逐渐成为保险精算学中学者们所关心的一个热点问题.假设保险公司存在(X1i,i≥1}和{X2i,i≥1}两种不同类型的保单,当x→∞时{(∑j=1n1X1j-∑j=1n2X2j)>x}表示的是前一种保单的索赔远远大于后一种保单的索赔,前一种的保单更容易使保险公司破产,保险公司对该种保单应更加关注.到目前为止,有关∑j=1n1X1j-∑j=1n2X2j的渐近行为研究较少.本文首先在已有的研究成果上主要对两种不同保单之差的重尾精确大偏差的问题进行了研究,随后研究了满足UEND和φ混合随机变量随机和的精确大偏差问题,最后研究了索赔风险模型和索赔盈余风险模型中的精确大偏差问题.本文主要的研究内容包括以下几个方面:第一,令{X1j,≥ 1}为一列非负NA同分布的随机变量序列,F1∈C,{X2j,j≥1}为一列非负独立同分布的随机变量序列,n(i = 1,2)是取正整数的函数,且满足当t→ ∞时有ni(t)→∞.我们研究了∑j=1n1X1j-∑j=1n2X2j的尾概率问题,在给出某些特定条件下得到∑j=1n1X1j-∑j=1n2X2j的精确大偏差的渐近结论,推广了 已存在的独立同分布条件下的相应结论.第二,对于i=1,2,令{Xij,j ≥ 1}为一列非负END同分布的随机变量序列,分布为Fi,有限均值为μi.我们研究了在F1 ∈ C,F2是任意的分布等条件下,得到了∑ X1j-∑j=1n2X1j和∑j=1N1X1j-∑j=1N2X2j的精确大偏差的渐近结论.其中{Ni(t),t≥0}i=1,2和{Xij,j ≥1}i=1,2彼此相互独立,且{Ni(t),t≥0}i=1,2为取非负整数值的计数过程.第叁,研究∑j=1n1X1j-∑j=1n2X2j和∑j=1N1X1j-∑j=1N2X2j的大偏差,其中{X1j,j≥1}为一列非负WUOD不同分布的随机变量序列,{X2j,j≥ 1}是一列非负独立同分布的随机变量序列,ni(t)(i= 1,2)是取正整数的函数,{Ni(t),t≥0}i=1,2是满足ENi(t)=λi(t)的两个计数过程.在给定其他的一些假设条件下,我们得到了∑j=1n1X1j-∑j=1n2X2j和∑j=1N1X1j-∑j=1N2X2j的精确大偏差的渐近结论,推广了已存在的相应结论.第四,考虑满足UEND和φ混合随机变量随机和的尾概率问题,采用求相依同分布的随机变量随机和的精确大偏差渐近结论的类似方法,得到了 UEND和φ混合不同分布的随机变量随机和的精确大偏差渐近结论,将独立不同分布的随机变量随机和的精确大偏差渐近结论推广到相依不同分布的结论上.第五,令{Xk,k≥ 1}是一个D族END和φ混合不同分布的随机变量序列,用以表示一个索赔过程;令{Yj,j≥1}是一个非负END同分布的随机变量序列,用以表示一个保费过程.由{Xk,k≥ 1}构成一个索赔风险模型,研究该模型中非随机和与随机和的尾概率渐近问题,采用求相依不同分布的随机变量非随机和与随机和的精确大偏差渐近结论的类似方法,得到该索赔风险模型中非随机和与随机和的精确大偏差渐近公式.再考虑由索赔过程{Xk,k≥1}和保费过程{Yj,j≥1}构成的索赔盈余风险模型,得到该模型中的精确大偏差渐近公式。(本文来源于《大连理工大学》期刊2017-07-01）
唐风琴[5]（2017）在《FGM相依随机变量和的尾部概率的渐近估计》一文中研究指出{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族且联合分布满足多元FGM分布.本文探讨了序列{X_i}_(i≥1)的部分和尾部概率的估计.(本文来源于《洛阳师范学院学报》期刊2017年05期）
朱佳楠[6]（2017）在《M相依随机变量的中偏差》一文中研究指出在本文中,我们主要研究M相依随机变量序列,并对其中偏差原理给出了证明。第一章,我们给出了引言,介绍了m相依随机变量序列及其研究背景,大偏差中偏差原理及其研究背景,并简要介绍了我们所要研究的主要的问题。在第二部分,我们给出了我们得到的主要定理,即在改进条件下,M相依随机变量序列的中偏差,并简要叙述了我们在证明主要定理的过程中需要用到的主要引理。第叁章,我们将详细给出我们对主要定理和主要引理的证明,证明过程的关键点在于Gartner-Ellis定理的应用,以及对平稳过程定义及性质的熟悉和基本的概率理论等数学基础的掌握。(本文来源于《河南师范大学》期刊2017-05-01）
李馥圻[7]（2017）在《多种相依关系下随机变量和的精细大偏差》一文中研究指出这篇文章中我们主要介绍随机变量序列在两种不同条件下的精细大偏差。一是,服从长尾分布混合和随机变量和的精细大偏差;二是,在多维相依混合风险模型下折现聚合索赔的精细大偏差。在第二章,一维风险模型下,我们研究了长尾分布的(?)混合和WUOD随机变量和的精细大偏差,并分别得到了长尾分布随机变量的非随机和以及随机和的渐近关系。在第叁章,多维风险模型下,假设一个公司有n种独立的保险合同,每种保险合同都有一些相依的索赔额和随机收益。投资组合的价格过程被描述为一个几何的列维过程。当索赔额分布服从重尾分布类(?)时,我们能够得到在有限时间内n种保险合同折现聚合索赔的尾部概率和破产概率的一致渐近性公式。(本文来源于《大连理工大学》期刊2017-04-01）
陈纪锟[8]（2017）在《相依随机变量的乘积及其在离散时间风险模型中的应用》一文中研究指出本文首先研究了服从Asmit相依结构的随机变量的乘积分布.假定X是具有分布F的实值随机变量,Y是具有分布G的非负随机变量,乘积Z= Y的分布记为H.如果X,y服从Asmit相依结构,即当x →∞时,P(X>x|Y = y)～h(y)P(X>x)对y ≥ 0 一致成立,其中h(y)是正的可测函数.在G(bx)=o(H(x))对所有6>0成立的条件下,我们证明了如果F ∈ L(γ),则H∈ L(γ/βG),γ ≥ 0;如果F ∈ S(γ),则H∈s(γ/βG),≥ 0,其中/βG是G的右端点,即/βG = sup{y:G(y)<1} ∈(0,∞],这里我们约定当/βG = ∞时,γ//βG = 0.本文另一个成果是将相依乘积的结果运用到离散时间风险模型中,如果净保险损失和随机贴现率服从Asmit相依结构,当净保险损失服从次指数分布时,我们得到了有限时破产概率的渐进表达式;当净保险损失服从正则变化分布时,我们得到了无限时破产概率的渐进表达式.(本文来源于《苏州大学》期刊2017-04-01）
刘庆庆,陈岑,汪世界[9]（2017）在《两个广泛相依随机变量在最值运算下的次指数性》一文中研究指出本文主要研究一类广泛相依结构下两个次指数随机变量的最小值、最大值关于次指数族的封闭性.证明了在该相依结构下两个次指数随机变量的最小值总是次指数的,给出了该相依结构下两个次指数随机变量的最大值为次指数分布的一个充分必要条件,推广了已有结果,同时表明该相依结构对两个次指数分布在最值运算下的次指数性是不敏感的.(本文来源于《应用数学学报》期刊2017年02期）
于海芳,吴智华,王春光,刘明[10]（2016）在《二元加权相依随机变量和模型中的精确大偏差》一文中研究指出随机变量序列和的精确大偏差由于具有精确刻画出随机变量序列尾概率的极限性态的功能,在很多领域都有重要的应用和研究价值。主要研究了长尾上带有二元加权相依模型中的随机变量和的精确大偏差,并得到了关于加权的非随机和和加权的随机和两种渐近结果。(本文来源于《江汉大学学报(自然科学版)》期刊2016年05期）
相依随机变量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对二维非独立随机变量的概率描述,提出了随机函数模型,将其转化为二维独立随机变量问题.该模型中的待定函数恰好为条件均值函数与条件标准差函数,可根据物理机制或实测数据确定.特别地,本文建议根据问题的物理机制确定待定函数的基本形式,进而基于数据确定基本变量的概率分布.以混凝土的弹性模量和抗压强度关系为例详细阐述了上述步骤.其中,考虑混凝土的一维损伤演化机制,研究了混凝土弹性模量与抗压强度分布界限,结合物理机制确定待定函数的形式并通过试验数据识别参数,建立了实用随机函数模型的具体表达式.与Copula函数模型的对比表明,该模型可以很好地刻画数据的基本概率特征,且避免了直接处理联合概率分布,便于在工程中应用.本文提出的方法可以推广到高维非独立随机变量的概率描述之中.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
相依随机变量论文参考文献
[1].唐风琴.Sarmanov相依随机变量随机加权和的渐近估计[J].淮北师范大学学报(自然科学版).2018
[2].陈建兵,万志强,宋鹏彦.相依随机变量的随机函数模型[J].中国科学:物理学力学天文学.2018
[3].黄海午.行负相依随机变量阵列的完全收敛性（英文）[J].应用数学.2017
[4].华志强.重尾相依随机变量和的差的精确大偏差[D].大连理工大学.2017
[5].唐风琴.FGM相依随机变量和的尾部概率的渐近估计[J].洛阳师范学院学报.2017
[6].朱佳楠.M相依随机变量的中偏差[D].河南师范大学.2017
[7].李馥圻.多种相依关系下随机变量和的精细大偏差[D].大连理工大学.2017
[8].陈纪锟.相依随机变量的乘积及其在离散时间风险模型中的应用[D].苏州大学.2017
[9].刘庆庆,陈岑,汪世界.两个广泛相依随机变量在最值运算下的次指数性[J].应用数学学报.2017
[10].于海芳,吴智华,王春光,刘明.二元加权相依随机变量和模型中的精确大偏差[J].江汉大学学报(自然科学版).2016
论文知识图
