一类推广的Pickands型估计量的分布的渐近正态展开及非平稳弱相依高斯序列次最大值的位置和高度的联合分布

来源 :西南大学 | 被引量 : 0次 | 上传用户:HOHO333
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文主要由两部分构成,分别对一类推广的Pickands型估计量的分布的渐近正态展开及非平稳弱相依高斯序列次最大值的位置和高度的联合分布进行了探讨. 第一部分,Pickands[2]于1975年提出了Pickands型估计量,1997年彭提出了一类推广的Pickands型估计量. (P)n(c,d)=(logc)-1logXn-k4+1,n-Xn-k3+1,n/Xn-k2+1,n-Xn-k1+1,n1其中ki=ki(n),i=1,2,3,4满足limn→∞k2/k1=limn→∞k4/k3=d,d∈(0,1)limn→∞k1/k3=c,0<c<∞,c≠1X1,X2,……,Xn相互独立,有公共的分布函数F(x),X1,n≤X2,n≤……≤Xn,n是其顺序统计量,本文获得了在c>1/d的条件下(P)n(c,d)的分布的渐近正态展开. 第二部分,在条件1/ni[dn]∑i=[cn]exp{an*(mi-mn*)-1/2(mi-mn*)2}→d-c(0<c<d≤1)下,得到了(3.1)中的非平稳弱相依高斯序列{ηi}的次最大值的位置和高度的联合极限分布.
其他文献
学位
本文重点考察一类线性互补问题(q,M)的B-可微法.在介绍了研究背景、研究意义和国内外研究现状后,文章从局部收敛和大范围收敛两方面研究了算法的收敛性,建立了相应的收敛性结论,
文章分别用完全的和非完全的分段线性化方法和线性化θ方法来解非奇异的和奇异的非线性微分方程,并以Prothern和Robinson问题为例研究了两种线性化方法在解这类问题时的稳定性
设图G=(V(G),E(G))是简单图,其中V(G)和E(G)分别表示图G的顶点集和边集.令△(G)是图G的最大度.  给定非负整数r,s和t,图G=(V(G),E(G))的[r,s,t]-染色指的是映射c:V(G)∪E(G)→{0,1,
随着非线性科学的迅猛发展,非线性演化方程(包括非线性常微分方程、非线性偏微分方程、非线性差分方程和函数方程等)及其应用于图像处理方面的研究己成为非线性科学前沿领域