留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

幂赋范极值分布的条件矩刻画

上一篇

下一篇

彭茜, 周玮, 彭作祥. 幂赋范极值分布的条件矩刻画[J]. 西南大学学报(自然科学版), 2019, 41(1): 78-83. doi: 10.13718/j.cnki.xdzk.2019.01.012
引用本文: 彭茜, 周玮, 彭作祥. 幂赋范极值分布的条件矩刻画[J]. 西南大学学报(自然科学版), 2019, 41(1): 78-83. doi: 10.13718/j.cnki.xdzk.2019.01.012
Xi PENG, Wei ZHOU, Zuo-xiang PENG. Conditions Based on Conditional Moments for p-Max Stable Laws Conditional Moment Characterization of Limit Distribution Under Power Normalization[J]. Journal of Southwest University Natural Science Edition, 2019, 41(1): 78-83. doi: 10.13718/j.cnki.xdzk.2019.01.012
Citation: Xi PENG, Wei ZHOU, Zuo-xiang PENG. Conditions Based on Conditional Moments for p-Max Stable Laws Conditional Moment Characterization of Limit Distribution Under Power Normalization[J]. Journal of Southwest University Natural Science Edition, 2019, 41(1): 78-83. doi: 10.13718/j.cnki.xdzk.2019.01.012

幂赋范极值分布的条件矩刻画

  • 基金项目: 国家自然科学基金项目(11701469);重庆市基础与前沿研究计划项目(csts2016jcyjA0510)
详细信息
    作者简介:

    彭茜(1994-), 女, 硕士研究生, 主要从事极值理论研究 .

    通讯作者: 周玮, 硕士研究生; 
  • 中图分类号: O211.3

Conditions Based on Conditional Moments for p-Max Stable Laws Conditional Moment Characterization of Limit Distribution Under Power Normalization

  • 摘要: {Xn}为独立同分布的离散型随机变量序列,其分布函数为Fx).得到了Fx)属于幂赋范极值分布吸引场的条件矩刻画.
  • 加载中
  • [1] PANTCHEVA E. Limit Theorems for Extreme Order Statistics Under Nonlinear Normalization[M]//KALASHNIKOV V V, ZOLOTATEV V M. Stability Problems for Stochastic Models. Berlin: Springer, 1985: 284-309.
    [2] MOHAN N R, RAVI S. Max Domains of Attraction of Univariate and Multivariate P-Max Stable Laws[J]. Theory of Probability and Its Applications, 1993, 37(4):632-643. doi: 10.1137/1137119
    [3] PENG Z X, SHUAI Y L, NADARAJAH S. On Convergence of Extremes Under Power Normalization[J]. Extremes, 2013, 16(3):285-301. doi: 10.1007/s10687-012-0161-2
    [4] RESNICK S I. Extreme Values, Regular Variation, and Point Processes[M]. New York:Springer-Verlag, 1987.
    [5] GELUK J L. On The Domain of Attraction of exp (-exp (-x))[J]. Statistics and Probability Letters, 1996, 31(2):91-95.
  • 加载中
计量
  • 文章访问数:  1245
  • HTML全文浏览数:  1020
  • PDF下载数:  209
  • 施引文献:  0
出版历程
  • 收稿日期:  2017-11-08
  • 刊出日期:  2019-01-20

幂赋范极值分布的条件矩刻画

    通讯作者: 周玮, 硕士研究生; 
    作者简介: 彭茜(1994-), 女, 硕士研究生, 主要从事极值理论研究
  • 西南大学 数学与统计学院, 重庆 400715
基金项目:  国家自然科学基金项目(11701469);重庆市基础与前沿研究计划项目(csts2016jcyjA0510)

摘要: {Xn}为独立同分布的离散型随机变量序列,其分布函数为Fx).得到了Fx)属于幂赋范极值分布吸引场的条件矩刻画.

English Abstract

  • 设{Xn}是独立同分布随机变量序列,公共分布函数F(x),记其部分最大值${M_n} = \mathop {\max }\limits_{1 \le k \le n} \left\{ {{X_k}} \right\}$,若存在规范化常数序列αn>0,βn>0,使得

    其中sign(x)是符号函数,H(x)为非退化分布函数,且如果(1)式成立,则称F(x)属于幂赋范极值分布H(x)的吸引场,记作FDp(H).由文献[1]可知,H(x)是以下6种类型之一:

    其中α为大于0的常数.

    文献[2]研究了6种类型的分布函数属于幂赋范条件下的吸引场的充要条件;文献[3]研究了在幂赋范下极值的矩收敛和密度函数收敛.使用条件矩刻画F属于给定的极值分布,在线性赋范情形文献[4]得到F属于Λ的极值吸引场的条件矩刻画;文献[5]得到F属于ΦαΨα的条件矩刻画.本文将研究在幂赋范条件下,F分别属于上述H1,αH2,αH3,αH4,αΨ(x)和Φ(x) 6种吸引场的条件矩刻画(见定理1-定理6).为证明主要结论,需要引用下面的结论.

    引理1[4]  设U${\mathbb{R} ^ + } \to {\mathbb{R} ^ + }$,且

    是有限的.如果

    那么U(t)∈RV-ρ.相反地,如果U(t)∈RV-ρρ>0,且u(t)>0为减函数,那么(2)式成立,且u(t)∈RV-ρ-1.

    为统一符号,定义r(F)=sup {x|F(x)<1}为分布函数F(x)的上端点.

    定理1  若rF=∞.定义

    如果FDp(H1,α),α>2,那么对于0≤pα-2,μp+2(t)<∞且t→∞时,

    反之,当α>2时,对0≤pα-2,如果(3)式成立,那么FDp(H1,α).

      关于必要性:由文献[2]之定理2.1知,FDp(H1,α)的充要条件为对于y>0时,

    α>2时有

    显然,这对p=0也成立.由(4)式知(3)式成立.

    对于充分性,若(3)式成立.定义

    对任意的δ≥-1,有

    特别地,当t→∞时,

    利用以下关系式

    则式(3)可写为

    其中0≤pα-2.

    如果式(7)对p=0成立,那么设${J_0}^*\left(t \right) = \frac{{J_1^2\left(t \right)}}{{{J_2}\left(t \right)}}$,则$\frac{{{J_0}\left(t \right)}}{{{J_0}^*\left(t \right)}} \to \frac{{\alpha - 1}}{{\alpha - 2}}$.只需证J0*(t)∈RV-α.由于

    其中$f\left(t \right) = \frac{{{J_2}\left(t \right)}}{{{J_1}\left(t \right)}}$.故${J_0}^*\left(t \right) = {J_0}^*\left({{z_0}} \right)\exp \left({ - \int_{{z_0}}^t {\frac{{g\left(u \right)}}{u}{\rm{d}}u} } \right)$,其中$g\left(t \right) = \frac{t}{{f\left(t \right)}}\left({2\frac{{{J_0}\left(t \right)}}{{{J_0}^*\left(t \right)}} - 1} \right)$.注意到$f'\left(t \right) = - 1 + \frac{{{J_0}\left(t \right)}}{{{J_0}^*\left(t \right)}} \to \frac{1}{{\alpha - 2}}, g\left(t \right) \to \frac{\alpha }{{\alpha - 2}}\left({\alpha - 2} \right) = \alpha $.

    由文献[4]的Karamata公式可知,J0*(t)∈RV-α.假设式(7)对于整数0<pα-2成立,定义

    那么有

    p=0的方法相同,很容易得到Jp(t)∈RV-(α-p).由式(6)和引理1,得JP-1RV-(α-p)-1.将上述步骤重复p次,就得到1-F(exp(t))=J0(t)∈RV-α.

    假设对实数0<pα-2式子(7)成立.与p为整数时情况相同,有Jp(t)∈RV-(α-p).不失一般性,设0<p<1.在δ≥-1,αδ+p+1情况下,有

    因此,

    因此,Jδ+p+1(t)∈RV-α+p+1+δ.如果δ=-p>-1,那么J1(t)∈RV-(α-1),可得

    证毕.

    定理2  若0<xF<∞,定义

    如果FDp(H2α),α>2,那么对于0≤pα-2,μp+2(t)<∞且t→∞时,

    反之,当α>2时,对0≤pα-2,如果μp+2(t)<∞且式子(8)成立,那么FDp(H2α).

      必要性相的证明似于定理1中(4)的证明,利用文献[2]中定理2.2给出的FDp(H2α)充要条件为当y>0时,

    对充分性,定义

    类似于定理1的证明方法,可得结论成立.

    定理3  若r(F)=0,定义

    如果FDp(H3α),α>2,那么对于0≤pα-2,μp+2(t)<∞且t→∞时,

    反之,当α>2时,对0≤pα-2,如果μp+2(t)<∞且式(10)成立,那么FDp(H3α).

      必要性的证明类似于定理1中(4)式的证明,利用文献[2]中定理2.3关于FDp(H3α)的充要条件为当y>0时,

    证得(10)式成立.对充分性,定义

    类似于定理1的证明方法,可得结论成立.

    定理4  若r(F)<0,定义

    如果FDp(H4α),α>2,那么对于0≤pα-2,μp+2(t)<∞且t→∞时,

    反之,当α>2时,对0≤pα-2,如果μp+2(t)<∞且式(12)成立,那么FDp(H4α).

      必要性的证明类似于定理1中(4)式的证明,利用文献[2]中定理2.4关于FDp(H4α)的充要条件为当y>0时

    可证得(12)式成立.对充分性,定义

    类似于定理1的证明方法,可得结论成立.

    定理5  若r(F)>0,定义

    如果FDp(Φ),那么对于p≥0,μp+2(t)<∞且当tr(F)时,

    反之,对p≥0,如果μp+2(t)<∞且式(14)成立,那么FDp(Φ).

      必要性的证明:由文献[2]定理2.5可知,FDp(Φ)的等价条件为当r(F)>0时,存在一个函数f>0,使得对于x$\mathbb{R} $

    成立.在此条件下,对某些连续函数f,定义

    因此有

    f(t)的表达式可知

    故(15)式中的渐近式成立.显然,式(15)对p=0也成立.由式(15),可证式(14)成立.

    对于充分性的证明,首先定义

    另外记

    类似于式(5)的方法,可得

    类似于定理1的证明过程,可得结论成立.

    定理6  若r(F)≤0,定义

    如果FDp(Ψ),那么对于p≥0,μp+2(t)<∞且当tr(F)时,

    反之,对p≥0,如果μp+2(t)<∞且(17)式成立,那么FDp(Ψ).

      必要性的证明:由文献[2]定理2.6可知,FDp(Ψ)的等价条件为当r(F)≤0时,存在一个函数f>0使得对于x$\mathbb{R} $,有

    成立.在此条件下,对某些连续函数f,定义

    成立.因此有,

    由(18)式,可证(17)式成立.

    对于充分性的证明,首先定义

    类似于定理5,记g2(t)=log (t)-f(t),则

    同理可证得结论成立.

参考文献 (5)

目录

/

返回文章
返回