首页> 中文学位 >二维随机加权和尾概率的渐近估计及其应用
【6h】

二维随机加权和尾概率的渐近估计及其应用

代理获取

目录

声明

1 绪论

1.1 重尾分布

1.2 Copula函数

1.3 国内外研究现状

2 随机加权和尾概率的渐近估计

2.1 主要结论

2.2 相关引理及证明

2.3 定理2.1的证明

3 随机加权和尾概率渐近估计的一致性

3.1 主要结论

3.2 相关引理及证明

3.3 定理3.1的证明

4 在保险精算中的应用

5 加权随机和尾概率的渐近估计

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢

大连理工大学学位论文版权使用授权书

展开▼

摘要

本文研究了二维随机加权和尾概率的渐近估计问题,内容主要包括以下几个方面. 第一章,简要介绍了重尾分布族,Copula函数的定义以及相关研究的国内外现状. 第二章,该部分讨论了二维随机加权和尾概率的渐近估计问题.令{Xk=(X1,k,X2,k),k≥1}是一列独立同分布的随机向量,其分量之间一般相依且边际分布服从ERV族,{Θk=(Θ1,k,Θ2,k),k≥1}是一列非负的随机向量序列且与{Xk,k≥1}独立.在几个较弱的假设条件下,我们得到了二维随机加权和(∑nk=1Θ1,k X1,k,∑nk=1Θ2,k X2,k)及其最大值(max1≤i≤n∑ik=1Θ1,k X1,k,max1≤i≤n∑ik=1Θ2,k X2,k)的尾概率的渐近估计. 第三章,在第二章的基础上,我们进一步考虑{Θk,k≥1}满足某个特定的条件时,随机加权和尾概率的一致渐近估计. 第四章,在随机经济环境下,我们将第二章和第三章的结果直接应用于风险分析中,并且评估了离散时间二维风险模型的两种破产概率. 第五章,在模型满足特定条件时,随机变量N与{Θk,k≥1}和{Xk,k≥1}相互独立,我们进一步得到了该模型的加权随机和尾概率的渐近估计.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号