Эрланга分布顺序统计量的概率分布及渐近性质

设{Xk,1≤k≤n}独立同分布,X(1),X(2),…,X(n)为其顺序统计量.当总体服从艾拉姆咖分布时,首先得到了其顺序统计量的联合概率密度函数、极端顺序统计量的密度函数,进一步说明了极端顺序统计量的概率密度可以表示为一系列参数不同的伽玛分布密度的线性组合.其次给出了极差Rn的概率分布和高阶原点矩的精确表达式.最后还研究了极端顺序统计量X(1)和X(n)的渐近性质.     

三参数的Pareto分布顺序统计量的渐近分布

设{Xk,1≤k≤n}独立同分布,X1∶n,X2∶n,…,Xn∶n为其顺序统计量.当Xk服从三参数分别为μ,σ,r(μ∈R,σ＞0,r＞0)的Pareto分布时,作者得到了其极端顺序统计量X1∶n和Xn∶n的渐近分布;当k(k＞1)固定时,得到了Xk∶n和Xn-k+1∶n的渐近分布,并且证明其极端顺序统计量X1∶n和Xn∶n是渐近独立的.     

两参数Burr Ⅲ分布顺序统计量的矩及渐近分布

设{Xk,1≤k≤n}独立同分布,X(1),X(2),…,X(n)为其顺序统计量.当总体服从两参数BurrⅢ分布时,得到了统计量(X(i),X(j))和极端顺序统计量X(1)和X(n)的概率密度函数、期望和方差,给出了顺序统计量X(k)(1≤k≤n)的高阶原点矩的精确表达式.此外还研究了极端顺序统计量X(1)和X(n)的渐近分布.     

关于Weibull分布顺序统计量的分布性质

设{Xk,1≤k≤n}独立同分布,X(1)≤X(2)≤…≤X(n)为其顺序统计量,当X(k)服从参数为m和η的韦布尔分布时,得到了其顺序统计量的联合概率密度函数和极端顺序统计量的密度函数,进一步得到X(1)和X(n)数学期望与方差的表达式。此外还证明了当参数m≠1时,X(1),X(2)-X(1),…,X(n)-X(n-1)不独立且不同分布;当参数m=1时,X(1),X(2)-X(1),…,X(n)-X(n-1)独立但不同分布。     

两参数逆威布尔分布顺序统计量的矩及渐近分布

设{X_k,1≤k≤n}独立同分布,X_((1)),X_((2)),…,X_((n))为其顺序统计量,当总体服从参数为(m,η)的逆威布尔分布时,得到其顺序统计量的概率密度、高阶矩和方差的表达式.证明了样本间隔不独立且不同分布,当k(k1))固定时,得到顺序统计量X_((n-k+1))和X_((n))的渐近分布,最后给出一个关于并联系统寿命的应用实例.     

三参数的Pareto分布顺序统计量的分布性质

设(Xk,1≤k≤n)独立同分布,X1:n,X2:n,…Xn:n为其顺序统计量,当X4服从三参数分别为μ,δ,γ(μ∈R,σ>0,r>0)的Pareto分布时,得到了(X1:n,X2:n,…,Xn:n)的联合概率密度函数,以及Xk:n (1≤k≤n)的密度函数,从而进一步得到Xk:n的q(q<1/r为正整数)阶原点矩E(Xqk:n)的精确表达式.证明了其顺序统计量的样本间隔X1:n,X2:n,-X1:n,…,Xn:n -Xn-1:n不独立,且不同分布.此外还研究了其极端顺序统计量 X1:n和Xn:n的渐近分布.     

拉普拉斯分布顺序统计量的分布性质

设{Xk，1≤k≤n}独立同分布，X（1），X（2），…，X（n）为其顺序统计量．当Xk服从参数为λ（λ〉0）和μ（μ为实常数）的拉普拉斯分布时，得到了（X（1），X（2），…，X（n））的联合概率密度函数，以及X（1）和X（n）的密度函数．从而进一步得到X（1n）和X（n）的数学期望与方差的表达式．此外还证明了X（1），X（2）—X（1），…，X（n）-X（n-1）不独立，且不同分布．     

双截尾的Cauchy 分布顺序统计量的渐近分布

设 {X_k, 1 ≤k ≤n}独立同分布, X_1:n, X_2:n, … , X_n:n为其顺序统计量。当 X_k服从参数为 A 和 B(A1:n和X_n:n的渐近分布; 当 k(k>1)固定时,得到X_n:n和X_n-k+1:n的渐近分布; 并且证明其极端顺序统计量X_1:n和X_n:n是渐近独立的。     

关于次序统计量的联合分布与应用

设总体X具有连续的分布函数F(x)以及概率密度f(x),X(1),X(2),…,X(n)为次序统计量.得到了任意k个次序统计量的联合密度的一般形式.     

关于χ^2分布顺序统计量的分布性质

设{Xk,1≤k≤n}独立同分布,X(1)≤X(2)≤…≤X(n)为其顺序统计量,当Xk服从自由度为n的χ2分布时,得到了(X(1),X(2),…,X(n))的联合概率密度函数,以及X(1)和X(n)的密度函数,从而进一步得到X(1)和X(n)的数学期望与方差的表达式.此外,还证明了X(1),X(2)-X(1),…,X(n)-X(n-1)不独立,且不同分布.     

幂分布次序统计量的性质及渐近分布

设随机变量X服从参数为a的幂分布,X1∶n,X2∶n,…,X n∶n为其次序统计量,得到了参数a的置信区间以及X1∶n和X n∶n的渐近分布;当k(k>1)固定时,得到了X k∶n和X n-k+1∶n的渐近分布.     

图的色数与着色数的上界

证明了对于围长不少于2k1的图G,其色数X(G)≤c((bk,2k+1+2)n)1/k+1+2,其中c=c(k)且limk→∞ c(k)=1,bt,k是G的booksize.另外还证明了对于围长不少于2k+1的图G,其着色数σ(G)≤[bk,2k+1+1)n/2]1/k+2.     

强相依平稳正态序列最大值和最小值的联合极限分布

设X1,X2,…是标准化的平稳正态序列,Mn=1≤i≤n/max X1,mn=1≤i≤n/min Xi,Pn=EX1Xn＋1 Rn=Mn-mn,Sn=i=1/∑/nXi·在Pn和（Pnlogn）^-1都单调趋于0的条件下,得到Mn和mn的联合极限分布,同时也得到Rn的极限分布。并给出了Mn,mn和Sn三者的联合极限分布．     

一类组合和式的性质与应用

设k,n,r∈N,记F（r,n,k）=∑ri=0（-1）r-inr-iik,证明了F（r,n,k）的若干性质,推出了F（r,n,k）的4个递推关系式和5个关系式,得到了公式F（n＋h,n,n＋k）=∑hr=0hr（n＋r）!∑k-ri=0s（ik-r）k＋nk-r＋i和F（n,n＋h,k）=∑nr=1（-1）n-rh-1＋n-rn-rr!∑k-ri=0si（k-r）kk-r＋i（k〉0）,其中（s（ik））=is（ik-1）＋（k＋i-1）si（-k1-1）（1≤i≤k）.还导出了重要公式F（r,n,n）＋F（n-r,n,n）=n!（0≤r≤n）.     

对称群Sn（n≤15）的一个新刻画

本文首先通过计算给出了对称群Sn（n≤15）的阶｜Sn｜,最高阶元的阶k1（Sn）,次高阶元的阶k2（Sn）及第三高阶元的阶k3（Sn）。然后利用有限单群分类定理证明了Sn（n=1,2,…,9,11,13,14）可由｜Sn｜和k1（Sn）刻画,即有限群G同构于Sn当且仅当｜G｜=｜Sn｜且k1（G）=k1（Sn）。最后对Sn（n=10,12,15）证明了它们可由｜Sn｜和k1（Sn）,k2（Sn）及k3（Sn）刻画,即G 同构于Sn当且仅当｜G｜=｜Sn｜且k1（G）=k1（Sn）,k2（G）=k2（Sn）及k3（G）=k3（Sn）。     

马氏状态转换的Lévy模型下的期权定价

研究马氏状态转换的Lévy模型下的期权定价问题．假定资产价格过程为 {At=exp（∫^t 0rsds）, St=S0exp（∫^t0（μs-1/2σ^2s）ds＋∫^t0σsdBs＋∫R0log（1＋k（x））N（t,dx））,其中（Bt,0≤t≤T）是标准Brown运动,N（t,·）是一Poisson随机测度,（Xt,0≤t≤T）是开关马氏过程,且它们三者相互独立;μs=（Xs,μ）,σs=〈Xs,σ〉,rs=〈Xs,r〉均受开关马氏过程的影响．对此模型,作Esscher测度变换,得到一个等价鞅测度,该测度可使定义的相关熵达到最小．在该测度下给出了欧式期权定价的一般方法．推广了Elliott等人的结论．     

关于Smarandache函数的复合函数的均值

对任意的正整数n,定义数论函数W(n)为最小的正整数k,使得n≤k(3k+1),即W(n)=min{k:n≤k(3k+1),k∈N}.利用初等及解析的方法研究复合函数S(W(n))的均值分布,并获得了较强的均值分布的渐近公式.     

循环图C_(2n)(1,3)的2-偶匹配可扩性

设图G是一简单的且有完美匹配的连通图,称图G是k-偶匹配可扩的,是指G的每一个基数不大于k(1≤k≤(│V(G)│-2)/2)的偶匹配M都可以扩充为G的一个完美匹配.刻画了循环图C2(n1,3)的2-偶匹配可扩性,得到结论:对于任意的n(n≥3),C2(n1,3)是2-偶匹配可扩性的.