简介:考虑了多元t-copula的上尾象限相依指数和上尾极值相依指数,该t-copula是在相依结构下定义的.由于多元连续型随机变量的copula函数关于严格单调递增变换具有不变性质,由此推导了多元t-copula的尾相依指数的精确表达式,得到的结果明显比以往文献给出的结论更加简洁.然后,讨论了这2个相依指数关于相关系数的局部单调性质:上尾极值相依指数关于相关系数是严格单调递增的,但上尾象限相依指数的单调性比较复杂.通过蒙特卡罗模拟数据验证了结果的正确性.同时,发现所有结论可以推广到生成随机变量是正则变化的分布类中.
简介:将Solodov和Svaiter于2000年发表的Errorboundsforproximalpointsubproblemsandassociatedinexactproximalpointalgorithms一文中提出的方法进行推广,得到2类近似邻近点算法.这2类算法都是预测校正方法,预测点满足相同的非精确准则,不同之处在于校正步的下降方向.为了使每次迭代产生的迭代点更加靠近解点,在校正步均采用了最优步长的技巧.在一定条件下,可以证明这2种邻近点算法是全局收敛的.并且,从理论上证明了采用算法2每一步所产生的下降量的下界大于算法1的,所以算法2比算法1能更快地收敛到解点.数值试验也表明了这一点.