Асимптотика моментов и их производных для избыточных распределений

Обложка

Цитировать

Полный текст

Аннотация

Функционирование современных сложных систем характеризуется различными видами рисков. Анализ данных таких систем показывает, что обычно наборы данных обладают характерным свойством: поведением распределения при больших значений аргумента, которое называется тяжелым хвостом Рассматриваются классы распределений с тяжелыми хвостами, которые имеют важные приложения в теории страховых случаев и теории надежности: распределения Гнеденко – Вейбулла; Бенктандера I, II; Бурра XII. .Асимптотика момента для функции превышения среднего значения и функции превышения дисперсии были получены специально для рассматриваемых распределений с тяжелыми хвостами и могут быть использованы для получения аппроксимации при больших значениях временной переменной. В работе подробно изучается оценка погрешности для асимптотического разложения функции среднего избытка распределения Гнеденко – Вейбулла при любых значениях параметра формы. Отмечено существенное различие в поведении оценок погрешности при значениях параметра формы меньших единицы, соответствующих тяжелому хвосту распределения Гнеденко – Вейбулла. В частности, найдены значения параметра формы, при которых разложения точны, т.е. имеют конечное число слагаемых. Для распределений Гнеденко – Вейбулла; Бенктандера I, II; Бурра XII доказаны асимптотические разложения производных остаточных моментов. Рассмотрено также описание поведения системы как области притяжения предельного экстремального состояния. Результаты статьи служат инструментом для приложений к теории риска, надежности и экстремальным событиям.

Об авторах

Леонид Александрович Острер

РГУ нефти и газа (НИУ) имени И.М. Губкина

Email: leonidostrer@gmail.com
Москва

Владимир Николаевич Русев

РГУ нефти и газа (НИУ) имени И.М. Губкина

Email: rusev.v@gubkin.ru
Москва

Александр Васильевич Скориков

РГУ нефти и газа (НИУ) имени И.М. Губкина

Email: skorikov.a@gubkin.ru
Москва

Список литературы

  1. ДЕНЬГАЕВ А.В., РУСЕВ В.Н., СКОРИКОВ А.В. Иссле-дование средней остаточной наработки в модели Гне-денко – Вейбулла распределения отказов. Оценки оста-точного времени ресурса погружного насосного обору-дования // Сборник «Труды Российского государственно-го университета нефти и газа имени И.М. Губкина (НИУ)» – 2020. – №1(298). – С. 61–73.
  2. КАЛАШНИКОВ В.В., КОНСТАНТИНИДИС Д.Г. Веро-ятность разорения // Фундаментальная и прикладная математика – 1996. – Т. 2, вып. 4. – С. 1055–1100.
  3. РУМЯНЦЕВ А.С., МОРОЗОВ Е.В. Распределения с тя-желыми хвостами и их приложения. – Петрозаводск: Изд-во ПетрГУ, 2013. – 67 с.
  4. РУСЕВ В.Н., СКОРИКОВ А.В. Асимптотика риска страхования для требований, имеющих тяжелые хво-сты // Автоматизация и информатизация. ТЭК. – 2023. – № 11(604). – С. 35-40.
  5. ЭРДЕЙИ А. Асимптотические разложения. – М.: Физ-матгиз, 1962. – 127 с.
  6. BALKEMA A.A., DE HAAN L. Residual life time at great age // The Annals of probability. – 1974. – Vol.2, No. 5. – P. 792–804.
  7. BANJEVIC D. Remaining useful life in theory and practice. – 2009. – P. 337–349. – DOI: https://doi.org/10.1007/s00184-008-0220-5.
  8. BURNECKI K., HÄRDLE W., WERON R. An introduction to simulation of risk processes. Encyclopedia of Actuarial Science. – Chichester: Wiley, 2004. – P. 1–7.
  9. EMBRECHTS P., KLÜPPELBERG C., MIKOSCH T. Model-ling Extremal Events for Insurance and Finance. – Berlin: Springer-Verlag, 1997.
  10. FOSS S., KORSHUNOV D., ZACHARY S. An Introduction to Heavy-Tailed and Subexponential Distributions. – New York: Springer, 2011. – 123 p.
  11. GAD A.M., HAMEDANI G.G., SALEHABADI S.M. et al. The Burr XII-Burr XII Distribution: Mathematical Properties and Characterizations // Pak. J. Statist. – 2019. – Vol. 35(3). – P. 229–248.
  12. GHOSH S., RESNICK S. Discussion on mean excess plots // Stochastic Processes and their Applications. – 2010. – Vol. 120, Iss. 8. – P. 1492–1517.
  13. GNEDENKO B. On the limiting distribution of the maximum term in a random series // In: S.J. Kotz, Breakthroughs in Statistics. Volume 1. Foundations and Basic Theory. – New York, NY, USA: Springer Science + Business Media, 1993. – P. 185–225.
  14. GUPTA R.C. On the monotonic properties of residual vari-ance and their applications in reliabilit // Journal of Statisti-cal Planning and Inference. – 1987. – Vol. 16. – P. 329–335.
  15. MAHMOUD K. OKASHA M., MATTER Y. On the three-parameter Burr type XII distribution and its application to heavy tailed lifetime data // Journal of advances in mathe-matics. – 2015. – Vol. 10, No.4. – P. 3429–3442.
  16. MIKOSH T. Non-Life insurances mathematics. An introduc-tion with stochastic processes. – Berlin: Springer, 2004. – 235 p.
  17. OLAPADE A. On a six-parameter generalized Burr XII dis-tribution // arXiv:0806.1579v1 [math.ST]. – 2008. – DOI: https://doi.org/10.48550/arXiv.0806.1579.
  18. RINNE H. The Weibull Distribution: A handbook. − London, New York: Chapman and Hall/CRC Press, 2009. – 784 p.
  19. RODRIGES R.A. Guide to the Burr type XII distributions // Biometrika. – 1977. – Vol. 64. – P. 129–134.
  20. RUSEV V., SKORIKOV A. Residual Life Time of the Gnedenko Extreme – Value Distributions. Asymptotic Behav-ior and Applications // In: Recent Developments in Stochas-tic Methods and Applications / Eds.: Shiryaev A.N., Samouylov K.E., Kozy¬rev D.V. – Springer Proceedings in Mathematics and Statistics. – 2021. – Vol. 371. – P. 292–305.
  21. RUSEV V., SKORIKOV A. Asymptotics of Moments for the Remaining Time of Heavy-Tail Distributions // Comput. Sci. Math. Forum. – 2023. – Vol.7(1), No. 52. – DOI: https://doi.org/10.3390/IOCMA2023-14435.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».