NA样本半参数回归模型估计的矩相合性

考虑了误差为NA序列的半参数回归模型,利用非参数估计方法给出了模型参数的最小二乘估计和加权最小二乘估计,并在适当条件下得到了它们的矩相合性.     

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.     

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.     

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.     

混合序列矩不等式和非参数估计

对p-混合、(?)-混合序列给出两个矩不等式,它们在加权和序列研究中比邵启满在[6]、[7]中给出的矩不等式更实用.作为应用,这里讨论非参数递归密度核估计的强收敛速度和非参数回归函数加权核估计的强相合性,获得较好结论.     

无界时滞中立型随机微分方程解的矩估计

本文探讨了一类无界时滞的中立型随机微分方程,给出了保证所讨论的方程的整体解存在的条件,并且得到解的某种矩估计.     

柯西分布的参数估计

研究了柯西分布的参数估计问题,给出了位置参数的最小一乘估计和尺度参数的低阶矩估计.证明了柯西分布位置参数的最小一乘估计具有渐近无偏性与强相合性;尺度参数的低阶矩估计具有强相合性.     

二元Marshall-Olkin型指数分布的矩估计及最大似然估计

本文讨论二元Marshall-Olkin型指数分布的参数估计.首先获得参数的矩估计,然后导出了基于完全样本下的似然函数,从而获得了参数的最大似然估计,并得到了参数的无偏估计.文末给出了参数的最大似然估计的模拟迭代值.     

Cox-Ingersoll-Ross模型的统计推断

本文研究了Cox—Ingersoll—Ross模型的统计推断问题.给出了CIR过程的平稳均值m与平稳方差v的矩估计,并利用m和v给出了CIR过程中尺度参数α与波动率β之间的关系,讨论了参数α的条件矩估计和渐近极大似然估计.并通过数值模拟对条件矩估计,渐近极大似然估计这两种方法作了比较.