排序方式： 共有11条查询结果，搜索用时 15 毫秒
1.
在许多统计问题中,有许多物理量服从Γ分布.因而在实际工作中,需要利用已掌握的一些数据,对Γ分布的参数进行估计,以确定这些物理量遵从的分布,从而在这基础上进行一些工程设计之类的工作.Γ分布的参数估计,就理论上而言,由于其分布函数有着良好的性质,因而矩法,极大似然法所得的估计都具有良好的性质,如相合性,渐近正态性等等.但是如同文[1]所指出的那样,在实际工作中,如在水文计算工作中,人们一般认为用矩法所算得的 O_抽样误差较大(参数O_的意义见后).极大似然法对求解的精度要求太高,以致使用不方便.因而这两种方法都 相似文献
2.
混合von Mises 模型的参数估计 总被引：1，自引：0，他引：1
有限混合von Mises模型在天文学、生物学、地理和医药等许多领域都有重要的应用．可是,不论样本量有多大,此模型的似然函数都是无界的．因此,参数的最大似然估计(MLE)是不相合的．我们发现,与混合正态模型一样,上述困难可以通过引入关于分布浓度参数的一个惩罚函数或对参数空间添加适当的约束来克服．在此文中,我们从理论上证明了这两种方法是可行的,相应的参数估计是强相合的,且是渐近有效的．我们还通过计算机模拟来探讨这些新方法在有限样本情况下的统计性质,并与现有的矩估计作了比较．结果发现,惩罚极大似然估计在均方误差方面表现最佳．最后我们还分析了一组实际数据,以进一步介绍新的估计方法． 相似文献
3.
本文利用激波管所能产生的瞬时定常流场,观察了一种具有间断初始密度分布的物质在这个流场中 Taylor 弥散过程.实验中所测量的物质,是空气中的 CO_2成份;测量手段是红外光谱吸收法;所观察到的过程发生在无量纲时间<0.07的范围内.实验数据与理论结果的比较表明:湍流 Taylor 弥散在初始阶段具有一定的对称性质. 相似文献
4.
PP 方法是近年来兴起的一种处理高维数据的统计方法。它最早是由 Kruskal(1969,1972)提出来的。PP 的基本思想是把高维数据投影到低维空间中去。这样,通过对某些感兴趣的投影方向上的数据处理来解决高维问题,因而 PP 方法中最根本的问题是投影方向的选择以及选定方向后如何导出高维结构。PP 是 Projection Pursuit 的缩写,一般译为投影寻踪。 相似文献
5.
在大样本点估计理论中,我们一般只考虑相合估计,对于任何一个相合估计 T_n 以及任何给定的ε>0,其尾概率 相似文献
6.
7.
近年来时间序列分析中的模型识别和参数估计方法(如[1—3])得到了广泛的应用和发展,关于参数估计的渐近理论的研究,也随之被重视,滑动平均与自回归等参数估计的渐近性质得到了广泛的讨论(如[4—7]).这些文章讨论了参数估计的依概率收敛性,几乎处处收敛性,以及渐近正态性.而后文[8]又给出了渐近误差方差性质.这篇文章在给出一个矩量分析定理的基础上获得了一系列的误差矩渐近性质. 相似文献
8.
有限混合模型的Log极大似然比统计量极限分布不是平常x2分布,1985年已为Hartigan指出.在这篇文章我们限制了混合比大于一正数下,讨论了两个含单个未知参数混合模型的Log极大似然比统计量的极限分布,它是零与x2分布的混合分布. 相似文献
9.
本文提出一种适于求解一阶双曲系统的新的差分格式。它的建立方法是：将所要求解的方程与解的空间导数所满足的微分方程同时离散化，然后再通过插值函数构成封闭的离散变量代数方程。在线性情况下的误差分析表明：该格式的幅值与位相误差均小于常用的一，二阶差分格式，当其应于非线性气动方程求解时，基本上可以消除数值扩散与振荡这两种非正常现象。 相似文献
10.