相依竞争风险场合下生存函数的广义自相合估计

近些年来,生存函数的非参数估计问题受到了很大的关注.首先,Kaplan 和 Meier(1958)提出了乘积限(product limit)估计,并且证明这种估计实际上也是极大似然估计.而后 Breslow 和 Crowley(1974)、F(?)ldes 和 Rejt(?)(1981)在特定的删失机制和某些连续性假定下探讨了 PL 估计(即乘积限估计)的一些基本性质.Langberg,Proschan 及Quinzi(1981)在相依竞争风险场合下进一步推广了 PL 估计,并证明了 PL 估计是强相合的.Tsai(1986)推广了 Efron 定义的自相合性,在一个风险及—个删失变量的场     

动态极值排序集抽样设计下Rayleigh分布的参数估计

在统计推断里,参数估计的好坏很大程度上依赖于抽样设计,所以有效的抽样设计将是一项重要的研究课题.本文分别在简单随机抽样(SRS)和动态极值排序集抽样(MERSS)下研究了Rayleigh分布中参数的无偏估计,最优线性无偏估计(BLUE),极大似然估计(MLE)和修正MLE.数值结果显示MERSS估计比SRS估计更有效.     

线性模型回归系数c-(K,S)型估计的优良性

根据线性回归模型Y=Xβ+ε,E(ε)=0,COV(ε)=σ~2I,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的优良性,在一定的条件下获得β_c(K,S)估计与LS估计的相对效率的界,并由此得出在设计阵病态时,β_c(K,S)型估计的精度明显高于LS估计;最后,证明了c-(K,S)型估计的可容许性,从而有助于病态线性回归系数有偏估计的进一步改进.     

三种抽样设计下Inverse Exponential分布中参数的优良估计

Inverse Exponential (IE)分布作为一种寿命模型,在生存分析中起着重要作用.文章分别在简单随机抽样(SRS),排序集抽样(RSS)和基于Fisher信息量最大RSS (RSSF)下构造了IE分布中参数λ的一些优良估计.数值结果表明,使用同等样本容量的RSS样本和RSSF样本构造的RSS估计和RSSF估计比SRS估计有效.     

回归系数的广义根方估计及其模拟

文献[1,2]中提出了回归系数的根方估计~(k),当回归自变量间存在复共线关系时,~(k)较回归系数的最小二乘估计有所改善,本文将根方估计作一拓广,得出了回归系数的广义根方估计~(K),其中K为对角阵,文中证明了广义根方估计~(K)较~(k)能更有效地改善最小二乘估计,并给出了广义根方估计的显式解,在此基础上,提出了广义根方估计的显式解和一种确定k_i的方法。     

带线性约束的回归模型参数估计的新研究

针对一般带约束的最小二乘估计(ORLSE)在参数估计中处理复共线性的不足,引入随机线性约束,提出了约束k-d估计方法。在均方误差(MSE)下,讨论了它的性质,得到了四个主要结果,与带约束的最小二乘估计ORLSE、约束岭估计(RRE)和约束型Liu估计比较,得出更好的结论。     

截口上的奇异积分高阶交换子的加权估计

研究截口上的奇异积分高阶交换子Hbmf(x),利用截口F关于核的ki(x,y)估计,在一定假设下得到了Hbm的Sharp极大函数估计和加权弱(1,1)型估计.     

线性模型回归系数的c-(K,S)型估计的小样本性质

根据线性回归模型Y=Xβ+,εE(ε)=0,COV(ε)=σ2,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的基本性质;并在均方误差阵(M SEM)准则下讨论了c-(K,S)型估计相对于最小二乘估计的优良性,有助于线性回归系数有偏估计的进一步改进.     

熵损失函数下两参数Lomax分布形状参数的Bayes估计

在熵损失函数下,讨论了两参数Lomax分布形状参数的Bayes估计和可容许估计.并讨论了一类(cT+d)~(-1)形式估计的可容许性和不可容许性.     

带粗糙核的多线性分数次极大算子的加权估计

本文给出了带粗糙核的多线性分数次极大算子M_(Ω,α)的加权估计,获得了M_(Ω,α)的一种混合A_(P,q)-A_∞型估计和A_p型估计.作为应用,得到了带粗糙核的多线性分数次积分算子L_(Ω,α)的几乎最优估计.     

混合指数分布的参数估计

混合指数分布是寿命数据分析中一个非常重要的统计模型\bd 但是利用正规的统计方法如矩估计、极大似然估计等估计模型的参数往往比较困难\bd 本文应用EM算法详细研究了混合指数分布在正常工作条件下和在进行恒加应力加速寿命实验条件下, 在完全数据场合、I-型截尾和II-型截尾场合的参数估计问题\bd 模拟说明利用EM算法来估计混合指数分布是一种非常有效的方法.     

一个简化的新Laplace AR(1)模型 参数估计及其渐近性质

研究了一个简化的新的Laplace AR(1)模型参数的条件最小二乘估计和最大拟似然估计,并讨论了它们的强相合性和渐近正态性.通过数值模拟和实际例子,说明了最大拟似然估计及模型的优越性.     

THE MODELING AND ESTIMATION OF THE SHORT-RUN SUPPLY OF ROUNDWOOD UNDER NONLINEAR INCOME TAXES

This paper deals with the theory and estimation of the short-run supply of roundwood under nonlinear (progressive) income taxation. The theoretical part of the paper uses the two-period consumption harvesting model to introduce nonlinear income taxes into the forest management problem and presents a simple method to determine the optimal supply of roundwood in this case. In the empirical part of the paper, the model is specified in a way suitable for econometric analysis. The estimation method is the maximum likelihood method, and the estimation results seem to support the theoretical model. Finally, some results from model simulation imply that income taxation may have a nonnegligible impact on the supply of roundwood.     

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.     

面板数据空间误差分量模型的GMM估计及其应用

本文研究面板数据空间误差分量模型(Spatial Error Components Model,SEC)的估计方法。为克服极大似然法在SEC模型估计中运算的困难,本文提出基于广义矩估计的可行广义最小二乘法(GMM-GLS),证明了估计量的一致性及有限样本下的有效性;并应用此模型,研究2000-2007年中国30个省(西藏除外)的物质资本存量、人力资本存量及能源消耗对实际GDP的影响,结果表明,采用SEC模型所得估计结果更为符合经济现实。     

Performance analysis of the AM-SG parameter estimation for multivariable systems

The auxiliary model based stochastic gradient (AM-SG) parameter estimation method is an important identification one. This paper analyzes the performances of the AM-SG estimation algorithm for multiple-input single-output systems (i.e., multivariable systems) under the strong persistent excitation condition. The analysis and simulation results indicate that the parameter estimation errors converge to zero.     

混合双参数广义Pareto分布的参数估计

Pareto分布族因其厚尾特点,在金融分析、寿命分析中都是非常重要的统计模型.但是对于混合双参广义Pareto分布,在模型参数估计时,传统的矩法估计和极大似然估计在理论上可以实现,实践时比较困难.本文应用EM算法之ECM算法,研究了混合广义Pareto分布在完全数据场合下的参数估计问题,并模拟说明EM算法来估计混合广义Pareto分布是一种容易实现又非常有效的方法.     

On size-biased Consul distribution

In this paper, a size-biased Consul distribution (SBCOND) is defined. Recurrence relations for central moments and the moments about origin are obtained. Different estimation methods for the parameters of the model are discussed. A comparative analysis is done among the three different estimation methods and the proposed model is compared with the generalized logarithmic series distribution (GLSD) and simple Consul distribution.     

Research on estimation model of the battery state of charge in a hybrid electric vehicle based on the classification and regression tree

ABSTRACT

In order to achieve the accurate estimation of state of charge (SOC) of the battery in a hybrid electric vehicle (HEV), this paper proposed a new estimation model based on the classification and regression tree (CART) which belongs to a kind of decision tree. The basic principle and modelling process of the CART decision tree were introduced in detail in this paper, and we used the voltage, current, and temperature of the battery in an HEV to estimate the value of SOC under the driving cycle. Meanwhile, we took the energy feedback of the HEV under the regenerative braking into consideration. The simulation data and experimental data were used to test the effectiveness of the estimation model of CART, and the results indicate that the proposed estimation model has high accuracy, the relative error of simulation is within 0.035, while the relative error of experiment is less than 0.05.     

Parameter estimation of the WMTD model

The MTD （mixture transition distribution） model based on Weibull distribution （WMTD model） is proposed in this paper, which is aimed at its parameter estimation. An EM algorithm for estimation is given and shown to work well by some simulations. And bootstrap method is used to obtain confidence regions for the parameters. Finally, the results of a real example--predicting stock prices--show that the WMTD model proposed is able to capture the features of the data from thick-tailed distribution better than GMTD （mixture transition distribution） model.