双边Ⅰ型删失下Topp-Leone分布的参数及可靠度的估计（英文）

首先,在双边Ⅰ型删失样本下得到Topp-Leone分布中参数的极大似然估计、渐近置信区间和Bootstrap置信区间,并进一步得到可靠度函数的渐近置信区间.其次,在不同的损失函数下得到了参数和可靠度函数的Bayes估计.通过蒙特卡罗模拟,计算出参数估计的均值和平均相对误差.最后,为了说明目的,还采用了一个真实的数据集.     

Ⅰ型双删失下逆Rayleigh分布的统计分析

在Ⅰ型双删失样本下,用极大似然法得到了逆Rayleigh分布尺度参数估计的迭代公式.根据遗失信息原则计算出了Fisher信息矩阵,由极大似然估计的渐近正态性得到了参数的置信区间.取共轭先验分布,在平方损失函数下,求得了未知参数、可靠度函数的贝叶斯估计和参数的等尾置信区间.根据后验预测密度函数,得到了预测值的估计.通过Monte Carlo随机模拟,得到了多种估计值,并进行了比较,结果表明在小样本场合贝叶斯估计要优于极大似然估计.     

恒定应力部分加速寿命试验的统计分析

本文针对定时截尾试验的弊端提出一个新的寿命试验方案,基于试验数据得到似然函数,运用极大似然法得到尺度参数的点估计.利用EM算法得到了形状参数和加速因子的迭代方程,并根据缺损信息原则计算了Fisher信息矩阵.根据极大似然估计的渐近正态性,推导出参数的渐近置信区间.通过Monte Carlo方法对估计的平均绝对值相对偏差和均方误差进行模拟计算,并讨论了样本量对估计精度的影响.最后通过具体的样本,在不同应力水平下计算出形状参数、加速因子和可靠度的估计.     

变量为区间截断数据时回归模型的参数估计(英文)

在假设自变量X的分布为离散未知分布且样本为区间截断数据而因变量Y是可观察的情况下,利用EM方法得到了回归参数的极大似然估计,在一定的条件下估计量的分布为渐近正态的.     

论极大似然估计的Cramér渐近有效性

参数的极大似然估计(MLE)的渐近有效性是目前极大似然估计理论中的一个研究项目.但对于参数估计的渐近有效性,从不同角度出发,给出了各种不同的定义.例如,一个估计,如果具有最优渐近正态分布(BAN)性质,则称为渐近有效估计,这是文献中常见的,研究最多的.再如从分布收敛速度出发的Bahadur渐近有效性.而Cramer于     

逐次Ⅰ型混合截尾下基于FGM copula的应力强度模型可靠性估计

在逐次Ⅰ型混合截尾样本下,研究具有相关性应力-强度模型的可靠性.假设应力和强度分布为参数不同的指数分布,选用FGM copula作为连接函数构造联合分布,得到参数和可靠度的极大似然估计(MLEs)、贝叶斯估计和对应渐近置信区间、HPD置信区间.通过Monte Carlo模拟方法,获得不同样本量不同截尾方案下估计值的数值...     

有限混合Laplace分布回归模型局部估计的EM算法（英文）

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题.利用核回归方法和最大化局部加权似然函数的EM算法,获得了参数函数的局部极大似然估计量,并讨论了它们的渐近偏差,渐近方差和渐近正态性.推广了有限混合回归模型下局部非参数估计的结果.     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

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.     

逐步Ⅰ型混合截尾下指数-威布尔分布竞争失效模型的统计分析（英文）

本文基于指数-威布尔分布研究逐步Ⅰ型混合截尾竞争失效模型的统计推断问题.根据模型假设和竞争失效数据,推导出未知参数和产品可靠度的极大似然估计;考虑极大似然估计的渐近正态性质,计算出观测Fisher信息阵,从而获得未知参数和可靠度的渐近置信区间.由于贝叶斯后验密度函数不具有封闭形式,利用MCMC方法给出未知参数和可靠度的近似贝叶斯估计以及最大后验密度可信区间.最后通过模拟研究对估计方法作出解释并给出数值结果.结果表明极大似然方法和贝叶斯方法可以对逐步Ⅰ型混合截尾竞争失效模型进行统计推断.     

上证股指极值模型估计和VaR计算

POT极值模型参数的准确估计是计算金融资产回报厚尾分布市场风险的关键.由n阶概率加权矩得到参数的二项式回归估计,而将参数的零,一阶概率加权矩估计予以推广.极大似然估计中.将极大化似然函转化为二元函数无条件极值问题·其他参数估计方法的结果作为迭代的初始值,通过它们的似然函数值和极大似然函数值的比较以及迭代次数判断方法的优劣.实证研究表明:参数的零、一阶概率加权矩估计较接近于真值,随着阶数的提高,二项式回归参数估计的误差很大.参数的极大似然估计优于非线性回归估计优于零、一阶概率加权矩估计.在此基础上计算上证A股指数vaR值.     

半参数回归模型拟极大似然估计的渐近分布

用拟极大似然估计方法研究了误差为AR(1)时间序列的半参数回归模型,得到了参数及非参数的拟极大似然估计量,并研究了它们的渐近分布.     

区间数据均值的经验似然估计

本文提出了估计区间数据均值的经验似然方法,通过构造区间数据的无偏转换,导出了渐近服从χ2分布的对数经验似然函数,从而得到了均值的置信区间.通过若干模拟例子说明,用本文提出的方法得到的估计,优于用渐近正态法得到的估计.     

一类加权可靠指数分布

本文研究了一种含有形状参数和尺度参数的加权可靠性指数分布.利用变量替换以及极大似然法,研究了在特定尺度参数下此分布的构造性表示,并导出了计算该分布两个参数极大似然估计的迭代解,同时还给出了估计参数的渐近分布形式.     

Lomax分布极大似然估计的两点研究

本文研究了Lomax分布参数极大似然估计的存在性和估计量的收敛性问题.利用严格的分析法和中心极限定理,获得了Lomax分布极大似然估计的存在性和估计量的渐近正态分布的结果,进一步推广到了有缺失数据的两个Lomax总体中,参数的极大似然估计有强相合性和渐近正态性.     

基于离散观测混合次分数Brown运动的极大似然估计（英文）

本文利用极大似然方法基于离散观测研究混合次分数Brown运动的参数估计问题,得到了这些估计的渐近性质.结合Stein方法和Malliavin积分证明了相应估计的渐近正态性.模拟结果表明本文的方法是有效的.     

Copula函数中参数极大似然估计的性质

设m维随机变量X＝(X1,X2,…,Xm)的copula函数为C(u1,u2,…,um);α)＝C((F1(x1),F2(x2),…,Fm(xm));α),本文在(X1,X2,…,Xm)的样本空间和(U1,U2,…Um)的样本空间上讨论了m元copula函数中参数α的极大似然估计,得到了边缘分布函数连续时,两样本空间上参数α的极大似然估计和最大后验估计的等价性;而边缘分布函数不连续时,两样本空间上参数α的极大似然估计和最大后验估计的渐近等价性.     

缺失数据下估计方程的经验似然推断

将逆概率加权法和推广的逆概率加权法用于缺失数据下估计方程经验似然推断中,得到两种参数估计的渐近性质.同时可以得到两种方法所对应的估计方程是无偏的,相应的经验似然统计量都渐近卡方分布,从而避免的调整经验似然.数值模拟也进一步显示了两种方法的优势.     

Pareto-Geometric分布

本文提出了一种具有单调失效率的新型寿命分布, 即由Pareto分布和Geometric分布生成的两参数的Pareto-Geometric分布, 研究了该分布的各种性质和参数极大似然估计的存在唯一性, 并应用 EM 算法得到了参数的极大似然估计值和相应的渐近方差、协方差.     

具有缺失数据的两个伽马分布总体参数的估计与假设检验

主要在数据缺失的情况下研究了伽马分布的参数估计与假设检验,位置参数已知的条件下,给出形状参数的极大似然估计,并证明了形状参数估计的强相合性与渐进正态性,并对两总体参数之差的置信区间和假设检验做出分析,最后做随机模拟验证了其合理性.