排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
当极值指标大于0时, 本文提出了一种位置不变的Pickands型估计量,证明了该估计量的强弱相合性, 给出了其渐近展式和强收敛速度,并对$k_2$的最优选择进行了讨论,最后利用自适应性方法对该估计量和其它Pickands型估计量进行随机模拟分析,比较该估计量的优越性. 相似文献
2.
当极值指标小于0时,本文给出了分布函数F(x)的尾端点估计量,证明了该估计量的强相合性和弱相合性;在二阶正规变化条件下,通过限制正规变化函数的收敛速度,给出了强收敛速度,证明了渐近正态性,进而可以构造F(x)的尾端点的渐近置信区间. 相似文献
3.
陶宝 《数学物理学报(A辑)》2014,34(3):611-618
当极值指标小于0时,该文提出了一种负极值指标估计量,证明了该估计量的弱相合性和强相合性;在二阶正规变化条件下,通过限制正规变化函数的收敛速度,给出了强收敛速度和渐近展式,证明了渐近正态性,并对平滑参数的最优选择进行了讨论. 相似文献
1