指数分布抽样基本定理及在四参数二元Marshall-Olkin型指数分布参数估计中的应用

本文提出指数分布抽样基本定理,四参数二元Marshall-Olkin型指数分布的参数估计中,从参数的识别性分析着手,获得了一个用可识最小值函数表示的分布函数表达式,进而得到了二元指数分布的一个特征;以二元指数分布随机变量样本与二元可识最小值随机变量样本的等价性,获得了基于二元可识最小值随机变量样本参数的最大似然估计,并应用指数分布抽样基本定理,得到了四参数二元Marshall-Olkin型指数分布参数的一致最小方差无偏估计.     

基于随机右截尾样本的指数分布的环境因子估计

文章研究了随机右截尾情形下指数分布的环境因子的参数估计,在两环境下样本容量相同的条件下,得到了指数分布的环境因子的最大似然估计与区间估计.     

空间滞后误差自相关随机前沿模型参数的估计

文章利用工具变量矩阵方法研究了空间滞后误差自相关随机前沿模型参数的估计问题,得到了参数估计的表达式.与极大似然估计相比较,工具变量矩阵法极大地简化了计算.蒙特卡罗模拟的结果表明,参数估计值十分逼近真值.     

高维参数多项Logistic模型的估计方法

高维参数多项Logistic模型的参数估计,用极大似然法估计很困难.文章给出一种新的估计方法:基于逆回归,给出参数单位向量的估计,从而高维参数得到降维;用极大似然法估计参数向量的模,最后得到参数的估计.且是相合估计.     

删失数据下二项AR(1)过程的参数估计

文章研究了一类整值时间序列模型在样本数据完全随机缺失情况下参数的估计问题.运用五种方法对模型参数进行估计,通过数值模拟,在不同缺失率情况下对五种参数估计方法进行比较,并绘制“箱”形图,结果表明Bridge插补下参数估计结果最优,核插补和k-最近邻插补下参数估计次之.     

随机右截尾情形下两个Cox模型的参数估计

研究了随机右截尾情形下两个单参数Cox模型的参数估计.在两个Cox模型的参数都未知时,得到了两个Cox模型的参数的具有强相合性的最大似然估计与参数比的区间估计.     

逐次定数截尾下Pareto分布参数的逆矩估计

基于逐次定数截尾样本下,讨论了Pareto分布的参数估计,得到了两参数的逆矩估计,并通过数值模拟与极大似然估计进行比较,结果表明逆矩估计优于极大似然估计.     

广义指数分布的统计推断

文章利用逆矩法估计广义指数分布的未知参数,并与最大似然估计作了模拟比较,模拟结果表明逆矩估计量更好.同时,我们也给出了构造尺度参数区间估计的方法.     

指数分布场合无失效数据参数的分级Bayes估计

文章讨论了无失效数据在指数分布场合下的失效概率pio利用分级Bayes方法,在无失效数据情形下,引进失效信息后,分析了无失效数据在指数分布场合下的失效概率pi,给出了失效概率pi的分级Bayes估计和可靠性参数估计。通过实例说明了分级Bayes方法对指数分布场合下可靠度估计的可行性。     

洛伦兹曲线的半参数估计

洛伦兹曲线与基尼系数是研究社会收入分配差异的重要工具.社会收入分配是一个复杂的过程,用尽可能精确的曲线给出洛伦兹曲线的估计进而给出基尼系数的估计,历来是统计学者和经济学者的工作目标.基于将参数方法与非参数方法相结合的思想给出洛伦兹曲线的半参数估计,进而导出基尼系数的估计,并据此进行了实证分析.     

约束条件下部分变系数模型的参数估计

文章讨论部分变系数模型在线性约束条件r=Rβ下的参数估计问题,给出了参数部分β的相合估计(β)Rls和非参数部分(α)(u)的估计(α)(u),得到了估计的渐近性质.     

随机微分方程的参数估计在证券模型中的应用

文章通过建立的金融指数的随机微分方程模型,采用极大似然估计方法对模型中未知参数进行估计,并给出了相应的参数估计表达式,实证表明参数的估计值能较好的刻画金融指数的许多特征,估计方法切实有效,模拟效果好.     

一种车险先验风险分布的参数估计方法

采用全体车险保单组合的风险损失数据(即先验信息)作为定价的信度补充,是车险精算定价的主流方法;而得到风险损失的先验分布或特征信息是经验费率定价的基础.文章引入过程和结构方差分析方法对车险索赔过程的先验分布参数进行估计;并提出了针对索赔频率和索赔额模型的参数估计方法.该方法能快速近似估计多参数分布模型,优于传统参数估计方法.     

分组数据情形下一般指数分布刻度参数的极大似然估计

文章研究了分组数据情形下,一般指数分布(GED)刻度参数的极大似然估计存在且唯一的充要条件,进而得到了极大似然估计具有强相合性.     

浅谈极大似然估计的教学方法

在数理统计中,当随机变量X的分布类型已知时,一个很重要的问题就是要对分布中所含的参数θ进行估计,即所谓的参数估计。在参数估计方法中有一种常用的点估计方法——极大似然估计方法（以下简称极大似然估计）。该方法最早是由高斯（C.F.Gauss）提出来的,后来费雷（R.A.Fisher）在1912年又重新提出该方法,并证明了该方法的一些优良性质。极大似然估计方法的背后有着非常朴素的哲理,但是,如果不把握其精髓,则很难让初学者理解和接受。笔者在多年从事概率与数理统计教学中发现,这部分既是数理统计（参数估计）教学中的一个难点又是重点。     

参数估计条件下的FEWMA控制图性能研究

在传统的FEWMA控制图研究中,通常将参数设为已知常量,从而忽略了工程实践性.文章应用Monte Carlo仿真方法计算参数估计条件下的FEWMA控制图受控时的平均运行链长,分析了估计参数对控制图的性能影响,并设计了参数估计条件下能保证统计性能的FEWMA控制图设计方法.     

Mlinex损失函数下广义指数分布形状参数的Bayes估计

文章给出了Mlinex损失函数下两参数广义指数分布形状参数的Bayes估计及其容许性,并对该分布的充分统计量的逆线性形式的容许性进行讨论.最后通过蒙特卡洛模拟说明Bayes估计在小样本情形时的优良表现。     

基于左截断右删失数据的指数分布参数估计

指数分布在生存分析中有着极其重要的应用.文章基于EM算法研究左截断右删失数据下指数分布的参数估计,通过建立似然函数推导出参数迭代表达式,并进行随机模拟试验和实证分析.结果表明EM算法迭代4次后即可收敛,收敛速度很快且估计值较稳定.     

改进的GM(1,1)模型及其应用

为提高GM(1,1)模型的预测精度,针对GM(1,1)模型的特点,提出了将遗传算法与LS-SVM算法融合对GM(1,1)模型中的参数估计方法进行改进.该方法首先根据GM(1,1)灰色差分方程的特点,构造以背景值序列和原始序列为训练样本的灰色LS-SVM模型,将GM(1,1)模型参数的估计问题转化为灰色LS-SVM模型参数的估计问题,然后利用遗传算法对LS-SVM自身的参数进行寻优预处理,再对经过优化参数的灰色LS-SVM,依据LS-SVM算法求解回归参数,进而得到GM(1,1)模型的参数估计.将改进的GM(1,1)模型用于实际的经济预测问题,并与传统的预测方法进行比较,结果表明,方法是可行的且有效的.     

非线性半参数空间变系数模型的两步估计

文章对非线性函数与空间变系数模型组合的半参数模型进行研究,提出该类模型的两步估计,给出半参数模型中非线性函数和空间变系数参数估计的精确表达式.并进行了数值模拟,结果表明,估计值与真实值拟合程度较好,方法的精确度较高.