定数截尾情形指数-泊松分布参数的Bayes估计

文章在对称和非对称损失函数下研究指数-泊松分布参数的Baves估计问题;基于广义无信息先验和定数截尾情形,给出了参数λ在三神不同损失函数下Baye5估计的精确表达式;最后运用Monte-Carlo随机模拟方法对估计进行比较.结果表明,加权平方损失下Bayes估计的精确度和稳健性较好,适合用来对参数λ进行统计推断.     

不同损失下指数-威布尔分布参数的Bayes估计

文章在对称和非对称损失函数下研究了两参数指数一威布尔分布(EWD)形状参数的Baves估计问题.当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下Baves估计表达式及极大似然估计:运用随机模拟方法产生不同容量的样本对三种不同形式的Baves估计及极大似然估计的精确度进行了比较.模拟结果说明,要提高估计的精确度,应根据样本数选取损失函数.     

逐步增加的Ⅱ型截尾下Lomax分布形状参数的估计

文章在逐步增加的Ⅱ型截尾下,给出了Lomax分布形状参数θ的极大似然估计;由“平均剩余寿命”的概念得到了形状参数的逆矩估计,在平方损失函数和对称熵损失函数下,针对不同的先验分布给出了参数θ的Bayes估计;最后通过随机模拟对几个估计进行了比较,说明了在相同的损失函数下,取共轭先验分布较无信息先验分布的精度要高.     

基于倾向性得分匹配法的平均处理效应的自助法推断

倾向性得分匹配法是估计平均处理效应的常见方法,但是经典的自助法不能直接用于固定匹配个数时平均处理效应的匹配法估计量的统计推断。把每个个体的被匹配次数视为观测值,这解决了重抽样样本中个体被匹配数不是原样本的一致估计问题,基于此提出了两种解决倾向性得分匹配估计的自助法推断方法,一是将基于欧氏距离匹配法的加权自助法推广至倾向性得分匹配法,二是进一步提出了比前者更简单的直接应用经典自助法的方法。由此提出的两种自助法可以正确估计倾向性得分匹配法的平均处理效应的方差及置信区间,同时更容易实现倾向性得分匹配法估计结果的渐正方差公式。数值模拟部分显示两种自助法随着样本量的增加而与样本误差平方和及Abadie和Imbens的渐近结果越来越接近。最后,将此方法用于2016年中国综合社会调查数据,分别得到了性别、婚姻状况、健康状况等对居民收入影响的平均处理效应。     

残差块形自助法在非对称单位根检验中的适用性

非对称单位根检验已成为时间序列分析中重要研究领域之一。而当随机干扰项之间具有一般性的自相关时,非对称单位根检验式中,由于不同的滞后阶会对统计量检验势产生至关重要的影响,因此采用残差块形自助法（RBB）对非对称单位根EG检验进行有效的改进研究,并对RBB法的适用性进行了模拟。结果表明：RBB法不仅在一定程度上降低了检验水平扭曲,而且大大提高了EG法的检验势。     

不同产量分布下湖北省县级水稻产量保险的纯费率厘定

文章利用湖北省82个县市1991～2007年的水稻产量,使用极大似然法估计Normal、LogNormal、Logistic、Beta、Weibull分布,并以2001～2007的平均产量为关键产量,以拟合的分布为水稻单产分布,厘定了湖北省县级水稻产量保险的纯费率.研究表明:大部分县市在Logistic、Weibull分布下拟合得比较好,有68个县市在这两个分布下的A-D检验值最小;非对称分布下的纯费率一般要高于对称分布下的纯费率;纯费率的精确厘定依赖于单产分布的正确选择;最佳分布下的纯费率能够很好地反映整个经验期的产量波动.     

首失效截尾样本下三参数Pareto分布的估计问题

文章在逐步增加首失效截尾样本下,研究三参数Pareto分布族形状参数的一致最小方差无偏估计(UMVUE),在对称平方损失函数下,讨论其Bayes估计和参数型经验Bayes (PEB)估计.按照均方误差(MSE)准则,比较UMVUE与PEB估计的小样本性质,根据形状参数的风险,导出其Bayes估计与PEB估计的大样本性质,并获得它们的收敛速度o(n-1).在相同或相近的可信水平下,分别研究参数在经典统计和Bayes统计中的区间估计,并利用数值模拟说明Bayes区间估计的精度高于经典统计区间估计.     

总体均数可信区间估计Bootstrap样本含量的设置

文章探讨了Bootstrap样本含量n*时Bootstrap法总体均数可信区间估计效果的影响.首先模拟从正态分布总体中随机抽样:然后用Bootstrap法进行总体均数可信区间估计,重复1000次,得到1000个可信区间.统计1000个可信区间包含总体均数的准确率.结果表明.Bootstrap样本含量n*对总体均数可信区间估计的准确率影响很大,Bootstrap样本含量n*越小,准确率越高;Bootstrap样本含量n*越大,准确率越低;Bootstrap样本含量n$不能任意设置,当Bootatrap样本含量n*=n-3时,效果最好.     

函数型分位数回归的局部稀疏估计方法

文章针对协变量为函数型变量、响应变量为标量的函数型分位数回归模型，提出了一种局部稀疏估计方法，能够正确识别系数函数的空子区域。首先，使用非对称拉普拉斯分布构建函数型分位数回归的全似然函数，并通过EM算法推导出系数向量的估计式。其次，提出了一种结合样条光滑和平滑剪切绝对偏离方法的局部稀疏估计方法。数值模拟结果表明，该估计方法在不同的样本量和分位点下均优于传统方法。最后，通过实例证明了估计方法的有效性。     

一类非对称损失函数下几何分布可靠度Bayes估计

文章在一类非对称损失损失函数下,讨论了几何分布可靠度的Bayes估计问题.在可靠度的先验分布为贝塔共轭先验分布下,得到了可靠度的Bayes估计、多层Bayes估计,最后给出了一个实际应用例子.     

Mlinex损失函数下艾拉姆咖分布的Bayes估计

文章在Mlinex损失函数下讨论了艾拉姆咖分布参数θ的Bayes估计,获得Bayes估计θB,并说明了其可容许性.最后通过数值模拟,说明艾拉姆咖分布在Mlinex损失函数下的Bayes估计的合理性及优越性.     

层次Bayes模型在抽样调查中的应用

在抽样调查中,经常需要估计总体中具有某一特征的个体单位的比例p,当我们所关心的这个比例很小,或者是样本量n很小时,通过样本得到的估计就不是很好。文章构造了层次Bayes模型,利用参数和超参数的先验分布推导出总体的后验分布,通过随机模拟了解比例p的大致分布情况。这种随机模拟的方法计算速度很快,而且准确性也较高。     

特定抽样下有效样本量的性质研究

常见的放回抽样等方法操作比较简单,但缺点是有效样本量是不确定的,而是取决于抽样的随机结果.文章对PPS抽样和泊松抽样下有效样本量的性质进行了研究,通过数理推导和统计模拟揭示了有效样本量的分布特征,给出了特定条件有效样本量的置信区间.     

抽样调查中估计量的Bootstrap修正及样本量的确定

估计量的精度和样本量的确定是抽样设计中所关心的两个主要问题.在一定条件下,对于简单随机抽样,通过对初级样本的Bootstrap抽样可以提高均值估计量的精度.中心极限定理一直是抽样调查中确定样本量的主要理论依据,基本思想就是将标准正态分布作为给定统计量的近似分布.如果利用Bootstrap方法模拟近似分布,同样可以确定样本量.文章结合具体例子对两种方法确定的样本量进行了对比分析.     

基于插值法的Bayes Bootstrap方法的改进

小样本实验数据较小,工程上常用Bayes Bootstrap方法来估计小样本的参数问题,文章研究了置信度一定、样本量不同的情况下,用插值法自助扩充了小样本数据的样本量,对Bayes Bootstrap方法提出改进.最后,运用蒙特卡罗方法对具体算例建模仿真,验证改进方法的优越性.     

资产相关结构对投资组台风险测度的影响分析

文章从分析金融资产收益率的统计特征入手,以GARCH模型为基础.用非对称幂分布描述组合资产中各金融资产收益率的边缘分布函数,在多种Copula函数情形下计算组合资产的风险值VaR及ES.结果表明:基于由多元Clayton Copula和多元Gumbel Copula组成的混合Copula函数较好地刻画了多只股票的相关结构,而且ES比VaR能够较准确地估计组合资产的尾部风险.     

Polya后验方法在有限总体抽样估计中的模拟研究

polya后验方法作为一种无信息贝叶斯估计方法,在有限总体抽样中,通过观测的样本,构造一系列的模拟总体,然后进行统计推断。通过统计模拟研究了polya后验方法估计的一些特点,并和Bootstrap方法进行比较。模拟结果显示:polya后验方法能够很好地估计总体的均值,随着样本量的增大,估计值与真值的差距越来越小。采用polya后验方法构造的置信区间区间长度较小,能够很好地覆盖真值。     

X~2分布的最短置信区间

随着科学技术和生产的不断发展,数理统计的应用更加广泛,而区间估计问题在统计应用中一直占有很重要的地位。对于正态总体下估计函数分布对称时,如N(0,1)、t分布,     

结构渐变条件下单位根检验的统计量研究

当经济统计数据呈现结构渐变特征时，经典的DF和ADF检验统计量的分布特征会有所改变。文章推导了当经济统计数据结构渐变时，DF与ADF检验式中的漂移项、时间趋势项、突变项的系数估计量渐近分布的泛函表达式，导出了漂移项t统计量的渐近分布形式。通过蒙特卡罗模拟，展示了DF检验式中漂移项t统计量的有限样本分布特征，拟合了漂移项t统计量的有限样本响应面函数，并给出临界值表，用于漂移项是否为零的检验。     

二元可交换分布函数的估计

文章给出二元可交换分布函数的估计及其一些性质,并通过计算模拟说明此估计能改进经验分布函数和二元的K-S统计量。