从偏态Pearson Ⅶ分布生成的新的多元偏态t分布

一般而言,偏态的椭球等高分布是一类分布族,有相当一部分的分布都是积分形式,且此类积分不易求出,而偏态的正态、偏态的正态尺度混合、偏态的PⅦ型、偏态的PⅡ型的分布却有着很好的结构,偏态t分布属于偏态PⅦ型分布,因此,本文在偏态PⅦ型分布的基础上着重研究新的偏态t分布,给出它的背景、定义、两种随机表示及其等价性.     

从SPVⅡ分布生成的新的多元偏态t分布的有关性质

随机向量的t分布属于椭球等高分布族,然而,它是对称分布.在许多诸如经济学、生理学、社会学等领域中,有时回归模型中的随机误差不再满足对称性,通常表现出高度的偏态性(skewness).于是就有了偏态椭球等高分布族.本文在已有的多元偏态t分布的基础上,着重研究它的分布性质,包括线性组合分布、边缘分布、条件分布及各阶矩.     

从偏态Pearson VII分布生成的新的多元偏态t分布

一般而言, 偏态的椭球等高分布是一类分布族,有相当一部分的分布都是积分形式, 且此类积分不易求出,而偏态的正态、偏态的正态尺度混合、偏态的PVII型、偏态的PII型的分布却有着很好的结构,偏态t分布属于偏态PVII型分布, 因此,本文在偏态PVII型分布的基础上着重研究新的偏态t分布,给出它的背景、定义、两种随机表示及其等价性.     

多元正态分布的一个性质及其应用

基于多元正态分布和一元正态分布之间的一个重要性质,将其应用于问题求解,实例说明,巧妙借助该性质可使相关问题的求解过程大为简化.     

另一形式的多元Γ分布及其性质

本文基于开关参数可变，尺度参数不变的思路，提出了一种新形式的多元Γ分布，并研究了它的性质以及它与多元正态分布的关系。     

偏t分布假设下的空间效应模型及其应用

在非寿险索赔强度预测中,目前使用最为广泛的是广义线性模型。索赔强度的广义线性模型假设因变量服从伽马分布或逆高斯分布,且在预测项中仅能考虑协变量的线性效应。这些限制性条件都有可能影响索赔强度预测结果的准确性。本文对索赔强度的广义线性模型进行了推广:用偏T分布代替常用的伽马分布和逆高斯分布;在预测项中引入惩罚样条函数来描述连续型协变量的非线性效应;考虑索赔强度在不同地区的差异性和相邻地区的相依性。最后基于一组实际的车损险数据进行了实证研究,结果表明,本文的推广模型可以明显提高索赔强度预测模型的拟合优度。     

多元t分布的一致渐进正态性

讨论了多元t分布一致渐进正态性的条件,利用不等式法估计了二者之间的Kullback-Leibler距离,给出了Kullback-Leibler距离表达式,最后对多元t分布一致渐进正态性进行了模拟验证.     

偏t正态数据下混合线性联合位置与尺度模型的参数估计

偏t正态分布是分析尖峰,厚尾数据的重要统计工具之一.研究提出了偏t正态数据下混合线性联合位置与尺度模型,通过EM算法和Newton-Raphson方法研究了该模型参数的极大似然估计.并通过随机模拟试验验证了所提出方法的有效性.最后,结合实际数据验证了该模型和方法具有实用性和可行性.     

缺失偏t正态数据下线性回归模型的统计推断

本文研究缺失偏t正态数据下线性回归模型的参数估计问题,针对缺失偏t正态数据,为使样本分布更加接近真实分布,改善模型的回归系数、尺度参数、偏度参数和自由度参数的估计效果,提高参数估计的稳定性,提出一种适合缺失偏t正态数据下线性回归模型的修正随机回归插补方法.通过随机模拟和实例研究,同随机回归插补,多重随机回归插补方法比较,结果表明所提出的修正随机回归插补方法是有效可行的.     

Γ分布密度函数的性质

分析了Γ分布密度函数的性质,指出了该密度函数与相应参数之间的关系.主要研究第二个参数对密度的影响,证明了β增大时Γ(α,β)分布密度极大值也增大,还指出了β变化时Γ(α,β)分布密度与另一特定密度曲线交点的变化规律.     

Г分布密度函数的性质

分析了Г分布密度函数的性质，指出了该密度函数与相应参数之间的关系．主要研究第二个参数对密度的影响，证明了β增大时Г（α，β）分布密度极大值也增大，还指出了β变化时Г（α，β）分布密度与另一特定密度曲线交点的变化规律．     

矩阵正态统计分布的一个性质

对于服从相同统计分布的两个 n维随机向量 X和 Y,若 X关于 Y的条件概论分布为多元正态分布Nn(ATy+ b,φ0 ) ,则由 X和 Y构成的 2 n维随机向量也服从多元正态分布 ,并且︳(A) <1;利用条件分布和特征函数的唯一性定理 ,证明了矩阵正态分布也存在类似结论 .     

两个多元t分布之间的Kullback Leibler距离

该文将文［1］的结果推广到多元t分布的情形.结果表明, 两个多元t分布之间的Kullback Leibler距离与分布中的刻度矩阵之比的最大特征根密切相关.作为应用, 文章建立了一种在估计未知正定阵时的熵损失函数.     

对数正态型分布纪录值之和的渐近分布

设X₁ , X₂, …是i.i.d.的随机变量序列, X⁽¹⁾ ,X⁽²⁾, …是它的纪录值序列. 对X₁∈LN( γ ), 即X₁服从对数正态型分布的场合, 讨论纪录值的部分和序列 的渐近分布问题. 发现γ = 2是一个分界线, 并且证明了在γ ＞2时, T_n渐近于正态分布; 而在2＞γ＞1时, T_n在通常的中心化和正则化之下, 不能收敛到任何非退化的概率分布, 但是此时log T_n渐近于正态分布.     

误差服从多元t分布的一类线性模型下参数估计的若干注记

研究一类线性模型下参数估计的若干问题．这类模型包含了多个因变量线性模型、增长曲线模型、扩充的增长曲线模型、似乎不相关回归方程组、方差分量模型等常用模型．在这类线性模型下,证明了当误差服从多元t分布时与误差服从多元正态分布时,具有相同的完全统计量和无偏估计,且在后一种情况下的充分统计量必为前一种情况下的充分统计量．对于带有多种协方差结构的前述几种模型,把在误差服从多元正态分布下,相应的协方差阵及有关参数的一致最小风险无偏(UMRU)估计存在性的结论推广到了相应的误差服从多元t分布情形．此外,对于误差服从多元t分布的这类统一的线性模型,给出了回归系数的线性可估函数的无偏估计的协方差阵的C-R下界．     

几种模拟逐日降水的分布函数比较分析

在模拟逐日降水方面,将马尔科夫链和某种分布函数相结合建立随机模型的方法在国外很多地区被证明是有效的,但该方法在我国的适用性研究并不多见.本文应用哈尔滨48年的实测降水资料,基于一阶马尔科夫两状态转移概率,分别采用皮尔逊Ⅲ型分布、伽玛分布和偏正态分布函数模拟了哈尔滨的1000年逐日降水过程.对比分析结果表明,伽玛分布更适合模拟哈尔滨的逐日降水过程,基于伽玛分布函数模拟的月份降水量和降水天数与实测降水数据符合较好.     

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.     

渐近正态随机变量函数的极限分布

基于渐近正态随机变量,导出随机变量函数极限分布的两个一般性理论结果.作为应用,证明了渐近正态随机变量一系列具体函数的极限分布,其中包括泊松随机变量平方根的渐近正态性,以及随机变量部分和在正则化常数是随机变量情况下的渐近正态性.     

NA序列下经验分布函数的渐近正态性及其应用

本文在NA负相协序列下利用熟知的相依情形的大小块分割的方法,建立了经验分布函数的渐近正态性．作为在可靠性中的应用,得到了生存函数■(x)=P(X＞x)估计的渐近正态性．     

光滑分布函数分位数估计的注记(英)

文中通过光滑经验分布函数构造了分位数估计，建立该估计的Bahadu－强弱表示定理，并由Bahadur表示定理证明了该分估计估的重对数律和渐近正态性等深刻结果．