三参数Ⅰ型广义Logistic分布参数的一类改进估计

广义Logistic分布族在生物、医学、金融管理,以及气象、水文、地质等领域有重要的应用。迄今为止,对此分布族的研究已取得了一系列重要成果;令人遗憾的是,关于三参数I型广义Logistic分布的研究还很不深入。本文利用矩法首先讨论三参数I型广义Logistic分布形状参数的估计,然后利用线性回归分析方法讨论分布的位置参数和刻度参数的估计,改进矩估计。本文所给出的分布参数的估计方法简单、有效;证明了在一定的条件下,本文给出的估计量存在、唯一,且模拟显示:估计量在中小样本情形下,一致优于分布参数的矩估计和L矩估计;特别是在样本容量n介于20和30之间时,估计量有更小的估计偏差和方差。估计方法简单、实用且有效。     

广义Pareto分布的广义有偏概率加权矩估计方法

广义Pareto分布(GPD)是统计分析中一个极为重要的分布,被广泛应用于金融、保险、水文及气象等领域.传统的参数估计方法如极大似然估计、矩估计及概率加权矩估计方法等已被广泛应用,但使用中存在一定的局限性.虽然提出很多改进方法如广义概率加权矩估计、L矩和LH矩法等,但都是研究完全样本的估计问题,而在水文及气象等应用领域常出现截尾样本.本文基于概率加权矩理论,利用截尾样本对三参数GPD提出一种应用范围广且简单易行的参数估计方法,可有效减弱异常值的影响.首先求解出具有较高精度的形状参数的参数估计,其次得出位置参数及尺度参数的参数估计.通过Monte Carlo模拟说明该方法估计精度较高.     

在定时截尾样本下三参数威布尔分布的矩估计

讨论了在定时截尾样本下三参数威布尔分布的矩估计问题,得到了在定时截尾样本下三参数威布尔分布的矩估计方程,进而得截尾样本的矩估计(MME).用随机模拟方法表明此矩估计方法有较好的性质.     

在定数截尾样本下三参数威布尔分布的矩估计方程

将威布尔分布数据转化为均匀分布数据,利用平均剩余寿命构造样本矩,得到了在定数截尾样本下三参数威布尔分布的矩估计方程.     

在定数截尾样本下三参数威布尔分布的矩估计

本文讨论了在定数截尾样本下三参数威布尔分布的矩估计问题．在定数截尾情形下，将威布尔分布数据转化为均匀分布数据，利用平均剩余寿命构造样本矩，同时，第三阶矩方程用样本的第一个次序统计量来代替，得到了在定数截尾样本下三参数威布尔分布的矩估计方程，用随机模拟方法得出了矩估计的偏性和均方误差．并与近似MLE进行了比较，表明此矩估计方法有较好的性质．     

非参数方法下条件矩限制回归模型的广义矩估计

本文讨论条件矩限制回归模型的参数估计.使用非参数估计方法给出条件密度和条件均值的估计,在此基础上给出参数的广义矩估计.进一步讨论了估计的渐近正态性.     

纵向数据广义部分线性模型的惩罚GMM估计

对纵向数据的部分线性模型,通常的做法是用样条方法或者核方法逼近非参数部分,然后再用广义估计方程的估计方法去估计参数部分.本文使用P-样条拟合非参数函数,对不同的矩条件用不同的广义矩方法对模型的参数和非参数进行估计,并且给出了估计量的大样本性质;并用计算机模拟和实例证明了当模型中存在不同的矩条件时,采用不同的惩罚广义矩方法可以显著地提高估计精度.     

广义高斯分布的参数估计及其收敛性质

广义高斯分布是一类以Gaussian分布、Laplacian分布为特例的对称分布 ,它在信号处理和图像处理等领域都有广泛的应用 .本文采用矩估计方法讨论广义高斯分布的形状参数和尺度参数的估计问题 ,首先导出了矩和参数的关系表达式 ,然后由此提出参数估计方法 ,并对参数估计的收敛性质进行了分析 ,最后利用模拟实验对本文所提方法进行了验证 .     

逆L-矩估计及其在两参数BS疲劳寿命分布类中的应用

本文提出一种新的点估计方法—逆L-矩估计。针对两参数指数分布、威布尔分布与对数正态分布,参数的逆L-矩估计与L-矩估计是相同。而针对两参数BS、BS Laplace、BS Logistic以及BS极小值分布要得到参数的L-矩估计是非常困难的,但采用逆L-矩估计的方法很容易得到刻度参数与形状参数的点估计,论文还通过大量的Monte Carlo模拟比较了逆L-矩估计与其它的点估计的精度。     

广义矩估计模型平均

模型平均方法以其稳健性好,遗失有用信息少等诸多优点而成为目前统计学和计量经济学界研究的热门问题,在经济,金融,生物,医学等领域有着广泛的应用前景.在模型平均的理论研究过程中如何选取权重是最重要的问题.现存的模型平均方法大都是在最小二乘估计的基础上研究的,并且大多数通过光滑AIC,光滑BIC和最小化Mallow准则得到组合的权重.但是在广义矩估计的基础上模型平均的研究还很不完善,文章在广义矩估计条件下提出了通过最小化目标参数平均估计量的渐近方差来获取权重.这种方法使得所得到的平均估计更加的稳健.蒙特卡洛模拟实验显示文章获得的模型平均估计量的风险与光滑AIC,光滑BIC和MMA相比相对较低.     

离散抽样OU-复合Poisson过程的参数矩估计

本文研究基于离散观测的正复合Poisson过程驱动OU型过程的参数估计. 通过矩估计给出了过程平稳分布参数的估计量, 并得到了估计量的相合性和渐近正态性. 进一步, 将矩估计的方法和结论推广到叠加过程的情况.     

Copula函数中参数的矩估计方法

Copula函数是将多维随机变量的联合分布和其边缘分布连接起来的一种函数.关于Copula函数的理论和应用已有不同深度的研究,特别是Copula函数中未知参数的估计问题.本文研究了Gumbel Copula函数的参数估计,提出了矩估计和近似矩估计两种方法,分别得到了未知参数的估计结果,并通过模拟研究对这两种方法进行了比较,结果显示矩估计方法更为合理.     

二元极值分布混合模型的矩估计

极值理论在各个领域得到了越来越多的关注和应用, 尤其是多元极值分布. 而矩估计是一种经典的参数估计方法, 计算简单且具有某些优良性, 本文给出边缘为标准指数分布的二元极值混合模型相关参数的矩估计及其渐近方差. 并将其与极大似然估计的渐近方差比较, 结果表明矩估计是一个较好的估计.     

广义BS-极小值疲劳寿命分布的统计分析方法研究

论文提出一种新的疲劳寿命分布—两参数广义Birnbaum-Saunders极小值分布(BSMin(α,β)),研究了该分布的密度函数与失效率函数的图像特征。其次,给出了该分布在全样本下两个参数的分位数估计与回归估计,并通过蒙特卡罗模拟比较发现分位数估计较优,同时也探讨了两个参数的矩估计、极大似然估计以及对数矩估计。此外,论文还指出BSMin(α,β)分布取对数后用泰勒展开可近似看作两参数极小值分布,由此得到两个参数的近似区间估计,并通过蒙特卡罗模拟考察了近似区间估计的精度。最后,利用模拟数据说明了论文所提的点估计和近似区间估计方法的应用。     

离散抽样OU-复合Poisson过程的参数矩估计(英)

本文研究基于离散观测的正复合Poisson过程驱动OU型过程的参数估计. 通过矩估计给出了过程平稳分布参数的估计量,并得到了估计量的相合性和渐近正态性. 进一步,将矩估计的方法和结论推广到叠加过程的情况.     

纵向数据广义部分线性模型的二次推断推断函数估计（英文）

针对纵向数据广义部分线性模型,通常的做法是用样条或核方法逼近非参部分,之后利用广义估计方程方法(GEE)估计参数部分.本文使用B样条逼近非参函数,并基于二次推断函数的方法对参数和非参数进行估计,并给出了估计量的大样本性质.模拟表明本文的方法改进了GEE的效率.     

广义矩估计的重对数律

本文研究了广义矩估计的性质.利用强相合性的条件,得到了广义矩估计满足重对数律的结果.     

混合Weibull分布参数估计的ECM算法

混合威布尔分布是寿命数据分析中一个重要的统计模型.但是利用传统的统计方法,如矩估计、极大似然估计等估计模型的参数比较困难.应用ECM算法详细研究了混合威布尔分布在正常工作条件下,完全数据场合、Ⅰ-型截尾和Ⅱ-截尾场合的参数估计问题.数据模拟表明利用ECM算法来估计混合威布尔分布是一种有效的方法.     

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.     

一类改进的Logistic模型参数估计方法及其应用

根据实测数据估计Logistic模型参数时,对已有的数据不满足直接利用三点法、四点法应用条件的问题,提出一类改进的三点法、四点法,即迭代逼近算法.以底部耗氧型结冰湖的溶解氧浓度分布为例,建立冰盖下溶解氧浓度垂直分布的Logistic模型,采用迭代逼近算法估计该模型的参数值.结果表明:改进的三点法、四点法的判定系数都较高,均可用于Logistic模型的参数估计,但改进的四点法整体优于改进的三点法.算法进一步完善了Logistic模型的参数估计方法.