[论文解读] Infinite Divisibility and Max-Infinite Divisibility with Random Sample Size

S. Satheesh, E Sandhya|ArXiv.org|May 2, 2003

Statistical Mechanics and Entropy参考文献 24被引用 3

一句话总结

本文通过引入随机样本大小，推广了无限可分（ID）和最大无限可分（MID）分布，表明这些广义分布是随机和与随机极大值的极限。文章建立了收敛到这些分布的必要且充分条件，并扩展了关于几何MID和随机ID分布的先前结果，包括在吸引性与部分吸引性方面的新发现。

ABSTRACT

Continuing the study reported in Satheesh (2001),(math.PR/0304499 dated 01 May 2003) and Satheesh (2002)(math.PR/0305030 dated 02May 2003), here we study generalizations of infinitely divisible (ID) and max-infinitely divisible (MID) laws. We show that these generalizations appear as limits of random sums and random maximums respectively. For the random sample size N, we identify a class of probability generating functions. Necessary and sufficient conditions that implies the convergence to an ID (MID) law by the convergence to these generalizations and vise versa are given. The results generalize those on ID and random ID laws studied previously in Satheesh (2001b, 2002) and those on geometric MID laws studies in Rachev and Resnick (1991). We discuss attraction and partial attraction in this generalization of ID and MID laws.

研究动机与目标

• 通过引入随机样本大小，扩展无限可分（ID）和最大无限可分（MID）分布的理论。
• 识别出一类样本大小N的概率生成函数，使得其收敛于广义ID和MID分布。
• 建立收敛到广义ID/MID分布的必要且充分条件，并反向验证。
• 推广Satheesh（2001, 2002）和Rachech & Resnick（1991）关于几何MID和随机ID分布的先前结果。
• 在广义ID和MID分布的背景下，研究吸引性与部分吸引性的概念。

提出的方法

• 作者分析当样本大小N为随机且服从特定类别的概率生成函数时，随机和与随机极大值的极限行为。
• 推导出在何种条件下，归一化和或极大值的分布收敛于广义ID或MID分布。
• 该方法结合特征函数与吸引域技术，将经典收敛理论推广至随机样本大小的设定。
• 论文使用生成函数与拉普拉斯变换理论来刻画极限分布。
• 提出一个广义框架，统一并扩展了关于几何MID和随机ID分布的现有结果。
• 分析中包括对部分吸引性的详细讨论，这是极值理论中经典吸引性概念的改进。

实验结果

研究问题

• RQ1 何种关于随机样本大小N的条件可确保归一化和收敛于广义无限可分分布？
• RQ2 当样本大小为随机时，随机极大值的极限分布如何与最大无限可分分布相关？
• RQ3 N的概率生成函数的哪种类别可导致收敛于广义ID或MID分布？
• RQ4 所提出的推广在何种方式上扩展了关于几何MID分布和随机ID分布的结果？
• RQ5 在广义ID和MID框架中，吸引性与部分吸引性概念如何体现？

主要发现

• 本文识别出一类特定的概率生成函数，用于随机样本大小N，确保其收敛于广义ID和MID分布。
• 推导出归一化随机和收敛于广义ID分布，以及归一化随机极大值收敛于广义MID分布的必要且充分条件。
• 结果推广了Rachev & Resnick（1991）关于几何MID分布和Satheesh（2001, 2002）关于随机ID分布的早期发现。
• 该框架使得在随机样本大小极限背景下，对吸引性与部分吸引性的统一处理成为可能。
• 研究证实，广义ID和MID分布在适当的归一化下，自然地作为随机和与极大值的极限出现。
• 最终版本中对第131页最后一段缺失从句进行了更正，确保理论阐述的完整性。