一类重尾族在风险更新模子之下随机和的大偏差.pdfVIP

致 谢 首先，我要特别感谢我的导师孔凡超教授，感谢他三年来的辛勤培养 感谢他对我学业上的督促、鼓励：感谢他对我生活上的关心。 三年来，导师平易近人的态度、热爱科研并全心致力于科研的人生信 念和活跃的科研思维给我留下了深刻的影响，这将激励我在以后的人生道 路上不断进取，勇攀科研高峰。 本论文是在导师的精心指导下完成的。导师严谨的治学态度、渊博的知 识和富于创新的精神使我受益匪浅。 我还要感谢我其他的带课老师，他们是：陈桂景教授、沈照宣教授、 胡舒合教授、杜先能教授等，他们博学多才和～丝不苟的工作作风让我永 志不忘。 我要特别感谢师兄弟唐启鹤博士和曹龙硕士，与他们的有益讨论，使 得我顺利地完成了这篇论文。我要感谢三年来与我朝夕相处的朋友张宣军 和张胜祥等人，是他们给了我许多的帮助让我克服学习与生活上的困难。 最后，我要感谢我的爱人陈小琴，三年来她克服了种种生活困难，使 我安心学习，完成学业。 对于保险公司来说，在许多索赔中，最大的一宗索赔额占索 赔总额的很大部分，我们就用重尾柬刻划这个现象。 定义：非负随机变量(rv)Ⅳ被称为重尾的当且仅当Ee“=。o对 任意的f0成立．1 重尾子族很多，经典的有以下几类 llJ A／(P t—a，一pJ 、。 … =={叻蜓lim…inf筹州m…suFfxl …‘(x)。p铬F巧。∥1) 这里口和口是满足0口≤p。o的常数- (2)s=：{F：一liraFFafx(x1)=n，n∈Ⅳ，n≥2} 这里F”(x)=：1一F”(x)，而F”(x)是F(z)的in_重卷积。 (3)L=：{F：…lim』等=l，y，。} (4)D=={F：lim…sup筹伽} cDnLcS∈L。 以上四类重尾子族已知关系有ERV 为行文需要本文定义了重尾王基GERV(generally ，·■；i_■F— randomvariable)，它比ERV意义更广泛 extended 定姐GERV(艳萨∽专州蝉铬∥1) ∥∈fO．oo)，c∈(O，1】 Vffl 在本文的第一章我们讨论了s(，)=：∑x，的大偏差(1a}ge f=I 非负整数值的随机过程． 1997年，K1．uppe[berg．C得到重尾族ERV上独立随机变量和 的大偏差，此后苏淳与唐启鹤降低了其中的条件也得到同样的 结论，见[2]中定理2．i。在本文第一章，我们得到下面的 定理l：若F(z)有最终单调的密度函数厂(x)(记为条件B) 则有：F∈D§F∈UGERV(一卢，c)=UOERV(～∥，1) ：：盛。 “，。 定理2：假定务件B被满足，若对任何万0，及某gO有 ∑JD(Ⅳ(f)=k)k阳=o(五(f))(∥≥1)(选蕴玺鲑叁) 且F∈GERy(一∥，c)(0c≤1)则大偏差结论(1)成立。 (c=1时条件B可以去，此时[2]中定理2．1是它的推论) 定理3：若F∈D，则在条件4和B之下，大偏差(1)成立 1997，Embreche t等人定义了更新模型 {Ⅳ。，n≥1)是i．i．d非负FVS，F(x)是它们的共同分布， 蹦。=：∥存在，对于保险公司来说，工。可以看成是第n次理 赔的个体索赔额：索赔到来的时间间隔{K，n≥l}是i．i．d非 负r．V．s，记L=∑r为第n个索赔到来的时刻，时间溅o，t] 』=l 内的索赔个数为Ⅳ(f)=sup{n≥1：L≤r}，，≥0，这里我们假定 2(t)=EN(t)∞，时刻f为止，保险公司总的理赔额为 Nft) s(f)=∑z。，这是～个更新过程，我们得到 忙1 定理4：{Z。，n≥1){F，i≥1}为更新模型中对应的随机变量序 列，设F∈GERV(-∥，1)，1≤卢。o，则大偏差(1)成立。 定理5：{x。，”≥1}(r，i≥1}为更新模型中对应的随机变量序 列，设F∈D，且条件B成立，则大偏差(