马尔可夫化方法在时间序列和排队模型中的应用-概率论与数理统计专业毕业论文.docx

博士学位论文摘 博士学位论文 摘 要 这篇学位论文由两部分内容组成。第一部分即第一章。在这一部分 中，构建了三个被名之为随机环境下的非线性时间序列的模型： 1．x。+1_T(X。)+￡。+l(Z。+1)； 2．X。+1=Tz(X。)+e。+1(Z。+1)； 3．X。+1=Tz(X。，￡。+1(Z。+1))。 二十世纪八十年代，作为一般非线性时间序列模型的推广，H．Tong和 K．S．Lim就已提出了一个与上述模型1本质上相同的时间序列模型。但 是迄今为止，关于这一模型的迭代序列的极限行为的研究，尚未展开。模 型2是一个全新的时间序列模型，它是模型1的延伸；模型3是模型1和 模型2的一般化。 上述三个模型与一般非线性时间序列模型的不同之处是，这三个新的 模型反映了对一个系统的干扰以及系统本身受环境突变影响的因素。因 而，它们能更好地拟合现实世界中诸多实际问题。这个不同之处在数学上 引起的后果是：一般非线性时间序列模型的迭代序列形成一个一般状态马 尔可夫链或多重马尔可夫链；而随机环境下的非线性时间序列模型1，2和 3的迭代序列，却无此良好的性质。对于前者，可以方便地应用一般状态 马可夫链的理论处理之。在现今有关非线性时间序列分析的文献中，大凡 涉及非线性时间序列的遍历性问题者，均采用如此的方法。而对后者，却 无法直接应用上述的方法。探讨随机环境下的非线性时间序列模型的极 限行为便是第一