平稳高斯序列超过数点过程与部分和的联合极限分布
Download
Report
Transcript 平稳高斯序列超过数点过程与部分和的联合极限分布
平稳高斯序列超过数点过程与
部分和的联合极限分布
报告人:胡爱平
平稳高斯序列超过数点过程与部分和
的联合极限分布
一.
已有成果
二. 本文工作
三. 结论介绍
一.已有成果
1978年,Chow与Teugels研究了独立同分布
的随机序列的部分和最大值的极限性质。上
世纪90年代,不少学者便开始了对高斯序列
部分和与最大值的联合极限分布的研究。
例如:Hsing(1995),
Ho
and Hsing(1996),
Ho and McCormick(1999),
McCormick and Qi(2000),
Peng and Nadarajah(2002)
文献结论
对弱相依高斯序列,部分和与最大值是渐近
独立的;
对强相依高斯序列,部分和与最大值的分布
是相依的。
更进一步,2007年,James,
B., James, K.
and Qi, Y 考虑了多维平稳高斯序列部分和与
最大值的联合分布问题。
二. 本文工作
1.本文在较弱的条件下证明了均值为0的高斯三角矩
阵的部分和与超过数点过程是渐近独立的。
2.在弱条件下,标准化平稳高斯序列的超过数点过
程依分布收敛到泊松分布,且与部分和渐近独立。
3.在弱条件下,得到了标准化平稳高斯序列的极值
顺序统计量与部分和的联合极限分布。
三、 结论介绍
1.高斯随机变量矩阵的超过数与部分
和
(假设条件)
{ X ni ,1 i n}是高斯随机变量矩阵,假定:
EX ni 0,1 i n, n 1.
(1.1)
令 n (i, j) EX ni X nj ,1 i, j n.
又假定: max1in 1 n (i, i) ( 1 ), n
log n
n n
且 lim log n
(i, j ) 0
(1.3)
n
n
2
i 1 j 1
n
(1.2)
1.高斯随机变量矩阵的超过数与部分
和
(记号)
对 n 1
,定义
n
Sn X ni , M n max X ni
i 1
本文中定义
1i n
an 2log n , bn an (2an )1 log(4 log n)
( x) exp( exp( x)), x R
( x ) 是标准正态分布函数.
已有结论
定理 A (McCormick
and Qi(2000) 定理2.1)
若(1.1)-(1.3)成立,且对某一分布函数G,
d
a
(
M
b
)
G,
(1.4)
x
R
,
则对
有: n n n
lim P{
n
Sn
n
x, an ( M n bn ) y} ( x)G( y)
其中, n2 var(Sn )
,y是G的连续点。
简化到序列的情形
让 {X n , n 1}
是平稳高斯序列,且标准化,相关
Xn
系数 rn EX1 X n1 ,最大值 M n max
1 i n
n
部分和
中,让
Sn X i ,
Sn
n 。在定理A
,均值
X i ,1 i n.条件(1.3)等价于
i 1
X ni
Xn
log n n
lim
ri 0
n
n i 1
(1.5)
McCormick(1980)引入下面条件
log n n
ri rn (1)
(1.6)
n i 1
如果对某一 k 1, rk 1
,且(1.6)成立的条件下,
McCormick(1980)证明了
Mn Xn
lim P{an (
1 bn ) x} ( x), x R
n
(1 rn ) 2
{X k , k 1}
定理B (McCormick and Qi(2000)) 设
是一平稳高斯序列,且已标准化,如果对某
一 k 1, rk 1 ,且(1.6)成立的条件下,有:
Sn
Mn Xn
lim P{ x, an (
bn ) y} ( x)( y)
n
n
1 rn
(1.7)
1.高斯随机变量矩阵的超过数与部分
和
(假设条件)
{ X ni ,1 i n}是高斯随机变量矩阵,假定:
EX ni 0,1 i n, n 1.
(1.1)
令 n (i, j) EX ni X nj ,1 i, j n.
又假定: max1in 1 n (i, i) ( 1 ), n
log n
n n
且 lim log n
(i, j ) 0
(1.3)
n
n
2
i 1 j 1
n
(1.2)
1.高斯随机变量矩阵的超过数与部分
和
(定义)
定义1:由{X ni ,1 i n}的超过数形成的点过程定
义如下:
n
i
N n ( B) I ( X ni un , B), B是(0,1]上的
n
i 1
Borel集。
1.高斯随机变量矩阵的超过数与部分
和
(定义)
定义2:矩形 S Rd (d 1的整数)上的点过程序列 {N n }
d
N
依分布收敛到点过程N(记为 n N ):
对任意整数k和有界Borel集 Bi S ,使得
N (Bi ) 0, a.s., i 1,2, , k 随机向量 ( Nn ( B1 ), , Nn ( Bk ))
依分布收敛到 ( N ( B1 ),
, N ( Bk )) 。
定义3:如果对任意正整数k,随机向量 ( Nn ( B1 ), , Nn ( Bk ))
和 Yn 是渐近独立的,则称点过程 N 和 Yn 是
渐近独立的。
n
超过多水平形成的点过程的定义
定义4:{i ,1 i n} 超过水平 un(1) , un(2) ,
过程如下:
s
n
, un( s )
形成的点
i
Nn ( B) I (i un( j ) ,( , j ) B), B为(0,1】 R
n
j 1 i 1
中的任一Borel集。
1.高斯随机变量矩阵的超过数与部分
和
(本文结论)
定理1.1 N n 如前所定义,若条件(1.1)-(1.3)满足,
d
且 Nn
N ,N是定义在(0,1]上的点过程。
Sn
则 Nn 与
是渐近独立的。
n
证明思路:需证明存在与 Sn 独立的过程 N n ,
使得 Nn ( B) Nn (B) p (1) ,B为(0,1]上的任一
Borel 集。
定理1.2 N n 如前所定义,若条件(1.1)-(1.3)满足,且
d
, N是定义在(0,1】 R 上的点过程。则
Nn
N
Nn 与
Sn
n
是渐近独立的。
McCormick(1980)引入下面条件
log n n
ri rn (1)
(1.6)
n i 1
如果对某一 k 1, rk 1
,且(1.6)成立的条件下,
McCormick(1980)证明了
Mn Xn
lim P{an (
1 bn ) x} ( x), x R
n
(1 rn ) 2
2.平稳高斯序列超过数点过程与部分
和
让 {X n , n 1} 是平稳高斯序列,且已标准化,本节讨论
高斯序列关于样本均值标准化后的超过数形成的点
过程与部分和的有关问题。
X X
对 n 1 ,定义 i n,i i
,1 i n.
1 rn
由 {i ,1 i n} 形成的超过数点过程定义如下:
n
i
N n ( B) I (i un , B), B 为(0,1]中的
n
i 1
Borel集。
2.平稳高斯序列超过数点过程与部分
和(本文结论)
定理2.1让 {X n , n 1} 是平稳高斯序列,且标准化,
rn EX1 X
M n max X n
相关系数
,最大值
n 1
n
部分和
Sn X i ,
i 1
,且相关系数满足
log n n
lim
ri 0
n
n i 1
(1.5)
1 i n
2.平稳高斯序列超过数点过程与部分
和(本文结论)
定理2.1(续) 对 k 1, rk 1。令 N n
1
n
是对水平 un a x bn 形成的超过数点过程,
则 Nn
弱收敛到(0,1]上的P0isson点过程,
S n 是渐近独立
x
N
强度为
,且
与
n
e
n
的。
定理2.1的证明
S
N
n
运用定理1.1的结论来证明
与
n
n
近独立的。由于 n ,i
是渐
0。我们不能直接将
i 1
定理的结论用于 {i } ,从而定义:
Xn
X n,i n,i
,1 i n.
n
n
定理2.1的证明
易验证条件(1.1)-(1.3)满足,且由于
S
X
,有
n
X
S
n
i 1
ni
n
n
ni
i 1
n
var( X ni )
n
n
i 1
从而对 {X ni ,1 i n}
便可。
直接运用定理1.1的结论
3.极值顺序统计量与部分和的联合分
布
设{X n , n 1} 是前面所定义的高斯序列,记
表示 X , X , , X
中的第k个最大
M n( k )
值。
我们首先对极值顺序统计量在样本均值处中
M X
, , ,
心化。令
是
的
1 r
第k个最大值。
1
(k )
n
2
n
(k )
n
n
n
1
2
n
极值顺序统计量与部分和的联合分布
(结论)
推论3.1
除了条件(1.6)外,假定对 i 1, ri 1,
则对 k 1的整数,有
(k )
x j
k 1
(
e
)
Mn Xn
x
lim P an (
bn ) x exp e
1
n
j!
j 0
2
(1 rn )
(k )
x j
k 1
Sn
(
e
)
Mn Xn
x
lim P an (
bn ) x, y exp e
( y )
1
n
n
j!
j 0
(1 r ) 2
n
推论3.1的证明
证明:N n 如前所定义,从定理2.1,对每一固
x
d
定 xR
,Nn
,N是一强度为
e
N
的泊松过程。由于N ((0,1]) 依分布收敛到 N ((0,1])
n
(k )
x
{
它是均值为 e 的泊松随机变量,且 n un (x)} {Nn ((0,1]) k 1},
则
(k )
Mn Xn
lim P an (
b
)
x
n
1
n
(1 rn ) 2
lim P{N n ((0,1]) k 1} P{N ((0,1]) k 1}
n
x j
(
e
)
exp{e x }
j!
j 0
k 1
推论3.1的证明
第二个结论成立是由于定理2.1中得出的独立
性。
超过多水平形成的点过程的定义
定义4:{i ,1 i n} 超过水平
过程如下:
s
n
un(1) , un(2) ,
, un( s )
形成的点
i
Nn ( B) I (i un( j ) ,( , j ) B), B为(0,1】 R
n
j 1 i 1
中的任一Borel集。
几个极值统计量与部分和的联合分布
为了从前面所定义的点过程推出极限分布,
令
其中
易知,
n
1
1
Tn, j Nn ((0,1] ( j , j ]) I (i un( j ) )
2
2
i 1
( j)
n
u
un ( x j )
n( j ) un( j ) Tnj j 1
极值顺序统计量与部分和的联合分布
(结论)
假定推论3.1中的条件满足, s 2
是整数,对任意s个实数 x1 x2 xs ,
我们有
x
x
k
( j)
推论3.2
Mn Xn
lim P{ (an (
bn ) x j )} ( xs )
1
2
n
(1 rn )
j 1
s
j
s
ki j 1, j 2,
,s
i 2
(e
i
e
ki !
i 1
)i
, (4.1)
i 2
且向量
{
M n( j ) X n
(1 rn )
1
2
bn , j 1,
, s}与
Sn
n
是渐进独立的。
推论3.2的证明
证:只需证(3.1)。由于从定理2.2知,
Sn
Nn与 是渐进独立的。
n
事实上,从定理2.2,对任意整数 k
1
(e x1 )k1
lim P{ (Tnj ki )} ( xs )
n
k1 !
i 1
j 1
s
j
0, k2 0,
, ks 0, 有
(e xi e xi1 )ki
,(3.1)
ki !
i 2
s
推论3.2的证明
证明类似Leadbetter
又由于
et al.(1983)定理5.6.1.
s
(k )
s
Mn Xn
lim P (an (
bn ) x j ) P{ (Tnj j 1)}
1
n
j 1
2
j 1
(1
r
)
n
从而(3.1)成立。
极值顺序统计量与部分和的联合分布
(结论)
特别地,对s=2,有下面的结论:
推论3.3
假定推论3.1中的条件满足,那么对
x1 x2 , y R, 有
(1)
(2)
Mn Xn
Sn
Mn Xn
lim P an (
bn ) x1 , an (
bn ) x2 ,
y
1
1
n
n
2
2
(1 rn )
(1 rn )
( x2 )(e x2 e x1 1) ( y )
推论3.3的证明
证明:对s=2,(3.1)式右边为
(e x2 e x1 )0
(e x2 e x1 )1
( x2 )
( x2 )
0!
1!
( x2 )(e x2 e x1 1)
谢谢大家!