相依

,y≥0,定义尾相依函数为(1)D(1,1)为上尾相依系数[1-2].有关尾相依函数的性质见文献[3];有关尾相依系数的推导见文献[4-6].尾相依的概念描述了两个随机变量的尾相关结构,尾相关性的一个常用度量方法是所谓的尾相依系数.尾相依系数在现代风险管理中越来越受到重视,因此估计尾部依赖性是非常重要的.尾相依系数是尾相依函数的一种特殊情况,它度量两个变量之间的极值相关性.因此本文考虑动态二元偏正态分布的尾相依函数.二元偏正态分布的联合密度函数为f(x,y

。因此，研究此类相依网络之间的联系和鲁棒性具有重要的现实意义。自2010 年，文献[4]在《Nature》杂志上发表后，相依网络的应用与研究成为了国内外学者关注的热点。目前，相依网络失效模型在一系列基础设施网络中应用较为广泛，如文献[5]分析了在极端天气下，公交−地铁复杂双层网络的连锁故障和网络系统的脆弱性演化。文献[6]基于出行时间的可达性、出发的最佳可及性和往返行程的无障碍性3 种衡量行程时间的指标，来分析时变可访问性对地铁和高铁相依网络系统的影响。文

间及随机变量之间相依性及其度量,是概率统计中重要的研究课题之一.正如我国著名概率统计专家张尧庭教授所言,本文可引出许多随机变量之间相依性的指标,本文从不同的角度给出相依性的度量,并应尽快将这些内容吸收到统计教材中来[1-2].目前，文献[3-8]研究了Pearson相关系数、Kendall相依系数、Spearman秩相依系数等相依性度量指标的性质及其应用,这些相依性指标是随机变量间或随机向量间整体相依性的不同刻画及其度量.因此,要准确地对复杂的相依性给出或

行分析，针对一般相依网络级联失效过程，提出了最大连通子图相对效能比的鲁棒性度量指标。通过相互依存网络级联失效模型的攻击实验表明，相比于现有常用指标，该指标能更准确地衡量相依网络在级联失效过程中的鲁棒性变化，在大规模的网络中具有明显优势，可适用于相依网络中基于仿真的鲁棒性分析。1 研究现状复杂网络的鲁棒性研究最初起源于2000年。文献[1]最先提出以最大连通子图和平均最短距离作为鲁棒性指标对复杂网络的鲁棒性进行研究，在国内外引起了广泛关注。目前大部分的文献都

正式照顾者为主。相依关系是照顾者感知的存在于照顾者与患者之间的情感联系，是人与人交流过程中相互分享爱和愉悦、相互帮助和理解的一种感受。不同照顾者与患者之间的相依关系有所差异，其中配偶照顾者的相依关系比其他年轻家庭照顾者更高，相依关系的质量将直接影响照顾者在照顾过程中的体验及身心健康[5-8]。因此，本文就近几年国内外关于脑卒中患者照顾者相依关系对照顾者的影响的研究现状进行综述，为更好地开展相关研究提供参考和依据。1 相依关系概述相依关系源于英文单词“mut

相关关系就是线性相依关系，但随机数据或随机变量间往往存在更为复杂的非线性相依关系，因此对随机数据或随机变量进行相依性分析具有更重要的应用价值.目前为止，相依性分析广泛应用于股票市场的随机波动、银行贷款、医疗诊断分析等领域.在早期的研究中，陈睿君首次提出了相依违约的违约风险度量[1]；张金清,李徐等人运用连接函数研究流动性风险与市场风险[2].后期也有很多学者对变量间的相依性分析进行研究，主要借助Sklar定理进行探讨[3][4],如张尧庭借助Copula函

为显著。一个好的相依随机变量的概率不等式，能得到比较好的精确大偏差的上界和下界。本文设{ξi,i=1,2,…}是一个随机变量序列是 {ξ,i=1,2,… }的前n项部分和。当 {ξ,i=1,2,… }是一个随机变量ii序列，各自对应的分布为 {Fi(x),i=1,2,… }（其中Fi(x)=P(ξi≤x)，x∈ R）。文献［1］提出：设{yi＞ 0,i= 1,2,…}，y＞ max1≤i≤n{yi}，0证明过程详见文献［1］。在引入相应的概率不等式后，文献

逾渗模型分析复杂相依网络的鲁棒性[7−10],随机从相依网络中移除 1−p比例的节点会触发逾渗过程,多个网络间的节点会因相依关系而发生级联失效,即使移除少部分节点仍可能导致整个相依网络的崩溃.近些年来,学者们提出了多种模型用于研究现实复杂网络的鲁棒性,这些模型研究了网络中各种连接边和依赖边对网络鲁棒性造成的影响,包括l-hop逾渗、靴襻逾渗、k-核逾渗等[11−15].除了真实存在的相依边,还有学者研究了相依群对复杂网络鲁棒性的影响,群内节点互相存在依赖关

者和患者有较高的相依关系，不仅能够促进照顾者的身体和心理健康，提升其生活质量，而且能够减轻患者感知与脑卒中疾病相关的压力，促进患者的心理健康，提升患者的生活质量〔4，5〕。关注脑卒中照顾者及患者的相依关系，或可为难以解决的照顾负担难题及维持长期照护提供新视角。本文拟阐述近年来国内外针对脑卒中患者及其照顾者相依关系的研究现况。1 相依关系的概念及相关理论目前对于相依关系的概念并未达成共识。广义上相依关系是照顾者与被照顾者之间的相互关系〔6〕。但不同学者根据自

通过研究已经发现相依网络的动态特性如级联失效[13-17]、扩散现象[18]、演化博弈动力学[19]、同步性[20]等，均明显区别于单层网络。怎样合理地控制相依网络将是面临的重要挑战。Yuan[21]运用严格可控性理论对多重网络的可控性进行了研究，发现在多关系网中存在主导关系网，其结构和连接权重对于整个网络的严格可控性起主导作用；在多层网中，不同层间的连接方式以及疏密程度对整个网络的严格可控能力都有重要的影响，并且发现在层间加入少量连接能够大大提高整个网络

101-115.相依随机变量阵列加权和的矩完全收敛性郭明乐,戴钰,张立君(安徽师范大学数学计算机科学学院,安徽芜湖241003)本文研究了相依随机变量阵列加权和的矩完全收敛性.利用矩不等式和截尾法,建立了相依随机变量阵列加权和的矩完全收敛性的充分条件.将Volodin等(2004)及陈平炎等(2006)的关于独立随机变量阵列的结果推广到了负相协和负相依随机变量阵列的情形,推广并完善了Sung(2011),吴群英(2012)及郭明乐和祝东进(2012)的结果

气价格与汇率动态相依关系研究:基于一种新的时变最优Copula模型姬 强1，刘炳越1,2，范 英3(1.中国科学院科技政策与管理科学研究所能源与环境政策研究中心，北京 100190;2.中国科学技术大学统计与金融系，安徽合肥 230026;3.北京航空航天大学经济管理学院，北京 100190)本文提出一个新的时变最优Copula模型，可以准确识别二元时间序列任意时点最优的相依结构。该模型构造了半旋转copula以刻画非对称的反向相依关系，并引入独立性的无分

种随机变量之间的相依结构。定义2.2[7，8]称随机变量序列{Xk，k≥1}渐进独立，若对于任意i≠j≥1，有定义2.3[11]称随机变量序列{Xk，k≥1}广义负相依(ExtendedNegativelyDependent)，若存在一个正数M，使得对于每个n=1，2，…和所有x1，x2，…，xn，有(2.1)(2.2)成立。其中(2.1)式称为下象限广义负相依(LowerExtendedNegativelyDependent)，(2.2)式称为上象限广义

唤，因为我们已经相依为命！在我看来，你就是我的天使，而我是你的幸运儿，注定会得到你的关注，注定会得到你的呵护，注定会得到你的期望，会永远和你相依。我感谢那美丽的缘分，让我能与你在一起，虽然不是终生，但我会永远记住你，因为我每时每刻都与你相依。（指导教师：李 敏）教师心语：“相依”，多么美好的一个词语。老师只是小心地呵护着你们那一颗颗晶莹剔透的童心，你们却还老师一个最纯洁无瑕的世界！清新隽永的小诗里，却饱含感人真情！

(t),0宽象限相依序列的定义是由王开永和王岳宝[10]2011年提出，并给出了一些宽象限相依随机序列的例子说明宽象限相依随机序列包括所有的广义负相依随机序列、某些正相依随机序列及其它相依随机序列. 在宽象限相依的研究中，Wang Y.B[11]研究了WOD随机序列的基本更新理论、风险理论及极限理论性质. Shen Aiting[12]建立了宽象限相依序列的 Bernstein 型不等式，并研究了宽象限相依误差下非参数回归模型加权函数估计的强相合性及其收敛

丁月芳很多教师在《有余数的除法》的教学中经常设计这样的教学活动：有13个奖品（或者其他物品），每个小朋友分4个，能分给多少个小朋友？先是学生动手操作，分“模拟”奖品来理解算理，然后利用“圈一圈”活动进一步理解算理，借助“形”来理解抽象的算式中每个数与运算符号的意义，建立“形”与有余数除法算式之间的联系，渗透数形结合思想，如下图。从而得出：13÷4=3……1。借助直观形象模型来理解抽象的数学概念以及抽象的数量关系是小学生学习数学的重要方法，可以说，上述教学活

00093）1 相依网络的鲁棒性研究进展随着科学与技术的迅猛发展，各类基础设施之间的耦合和依赖变得越来越强烈，如城市的供水系统、电力系统、燃气系统、交通系统，以及通信系统之间都有着非常强的依赖关系［1－2］.具体的例子有：电力系统与通信系统之间的相互依赖关系，电力系统需要电信系统进行通信和调度，而通信系统又需要电力系统提供电力支持；类似的情况还有电力系统和铁路交通系统，铁路交通系统需要电力系统提供电力支持，而一些火电厂又需要铁路交通系统输送能源与物资.一个

融时间序列的短期相依性研究易文德(重庆文理学院 数学与统计学院,重庆 402160)金融资产相依结构的研究在金融风险分析中有着重要的意义。金融资产的相依结构主要有两类:一类是单个金融资产自身时间前后交易价格波动的相依关系,称为短期相依关系,另一类是金融资产间的价格波动相依结构,称为同期相依关系。针对前一种相依关系,我们应用混合相依结构M-Copula函数模型对上海综合指数、香港恒生指数和美国道琼斯指数三种金融时间序列前后一个交易日的价格波动相依关系进行了分

引言对随机变量相依性度量的研究和文献很多，常见的有度量变量线性相依的Pearson相关系数[1]，基于Copula的非线性相依变量的度量指标 kendall’s tau,Spearman’s rhos、Gini’s系数等[2]，且这些相依性度量指标在金融、保险、可靠性理论、统计推断与决策等方面得到了广泛应用[3]。纵观所有文献，对随机事件的相依性度量仅有张尧庭的《定性资料的的统计分析》[4]联中将随机事件变量化用列联表，通过卡方检验讨论二事件间的相依与独