Иванова, Н.Л. и Дьячков, Р.А. и Хохлов, Ю.С. и Румянцева, О.И. (2008) Многомерные вероятностные модели с зависимыми компонентами. Вестник ТвГУ. Серия: Прикладная математика (4[11]). С. 63-74. ISSN 1995-0136
Предварительный просмотр
Загрузить (301kB) | Предварительный просмотр
Абстракт
The special type of dependency, generated by convolution procedure with <> components is considered. It is a basis of multivariate collective risk model with dependent components of claim arrival process and dependent claim amount distribution. We investigate some properties of offered model, in particular ruin probability. Also we consider the special form of multivariate dependent Gamma distribution and calculate their tail conditional expectation, multivariate generalization of Panjer recursive procedure for compound Poisson distribution is introduced.
Тип объекта: | Статья |
---|---|
Сведения об авторах: | Наталья Леонидовна Иванова, Р.А. Дьячков, Тверской государственный университет, Россия, 170100, г.Тверь, ул.Желябова, 33, кафедра математической статистики и системного анализа. Юрий Степанович Хохлов, Российский университет дружбы народов, Москва, кафедра теории вероятностей и математической статистики. О.И. Румянцева, Московский государственный университет им. М.В.Ломоносова, Россия, 119991, г.Москва, ГСП-1, Ленинские горы, кафедра математической статистики. |
Ключевые слова: | коллективная модель риска, многомерный процесс Пуассона, многомерное гамма распределение, условное математическое ожидание, рекурсия Пэнджера, хвост распределения |
Категории: | 5 Математика. Естественные науки > 51 Математика > 519.2 Теория вероятностей и математическая статистика |
Подразделения: | Университеты > Российский университет дружбы народов Университеты > Тверской государственный университет > Факультеты > ПМиК > Кафедра математической статистики и системного анализа |
Разместивший пользователь: | И.С. Солдатенко |
Дата размещения: | 08 Янв 2017 08:08 |
Последнее изменение: | 08 Янв 2017 08:08 |
URI: | http://eprints.tversu.ru/id/eprint/573 |