一种简单有效的二项分布比例参数似然比置信区间的求法

对二项分布比例参数p的似然比置信区间,提出一种简便求解方法。在平均覆盖率、平均区间长度及区间长度的95%置信区间准则下与WScore、Plus4、Jeffreys置信区间进行模拟比较。试验表明,在二项分布b(n,p)的参数n≥20且p∈(0.1,0.9)时,该方法获取的似然比置信区间性能优良。当点估计p值不是接近于0或1且n≥20时,推荐使用本方法获取p的置信区间。     

统计参数点估计性能评价的新方法

文章针对统计参数点估计中对估计结果的误差或可信度缺乏定量度量的问题,在总体样本独立同分布的假设条件下,研究了统计参数点估计中采样窗口大小(即样本容量)与样本均值、标准差统计误差之间的关系,提出了统计量点估计置信度的概念,并给出了借助计算机仿真确定在特定统计结果下统计量置信度与样本容量关系的方法。仿真和应用实例表明文章所引入的点估计置信度概念具有一定的普适作用,可以进一步优化补充点估计优劣评价方法。     

区间数据下参数估计的条件期望方法

文章面向工程需求讨论了常见寿命分布下区间数据参数估计的条件期望方法.该方法以条件期望替代样本真实故障时间,利用最小二乘估计并以数值迭代的方式求得参数的点估计值,同时给出了参数置信区间.经数值例验证,这种方法可以有效地控制估计误差.     

不同先验分布制程能力指数的贝叶斯估计

制程能力指数（PCIs）是衡量制程能力与绩效的重要指标,目前已有许多文献基于经典概率论对制程能力指数的点估计或置信区间进行了研究。文章采用贝叶斯方法进行PCIs的点估计与区间估计,首先假设无信息先验分布时,推导μ≠T时Cpm^2的贝叶斯估计以及μ=m时Cpmk^2的贝叶斯估计;然后分别对服从共轭先验分布、威布尔故障先验分布的PCIs的贝叶斯估计进行了研究;最后采用算例验证了本文提出的贝叶斯估计方法的有效性。     

基于LAD-LASSO方法的逐段常数序列中的变点估计

结构突变(变点)问题是统计学、经济学和信号处理等领域中的热点问题之一。当误差分布服从重尾分布或数据集含异常值时,LAD估计比OLS估计更加稳健;LASSO是一种流行的压缩估计和变量选择方法,将这两种经典的方法结合起来,提出基于LAD-LASSO的逐段常数时间序列变点估计的一种新的研究方法,其基本思想是把变点估计问题转化成变量选择问题来处理,在转化过程中对相应优化问题的约束条件仅做一次松弛。随机模拟表明:所提出的估计方法是切实可行的,算法更加简单易行,且估计结果具有很好的稳健性。     

航班动态定价机制下的机票价格序列变点估计

文章旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架中级联组合了DBSCAN算法、EM-高斯混合模型聚类、凝聚层次聚类算法和基于乘积划分模型的变点估计方法等多种成熟的数据分析方法,通过对“北京-昆明”航线航班的实证分析,验证了数据分析框架的有效性和普遍适用性。     

关于均匀分布统计分析的一些思考

对于均匀分布给出了在全样本场合下参数的区间估计,在定数截尾场合下参数的点估计和区间估计,并通过大量Monte-Carlo模拟从均方差的角度比较各种点估计的优劣,考察各种区间估计方法的精度,通过实例说明这些点估计和区间估计方法的应用。     

Cauchy分布的统计分析方法研究

文章在刻度参数λ已知的情形下,给出了位置参数μ的分位数估计与逆矩估计,通过模拟比较发现分位数估计更加精确.同时还给出了参数μ的区间估计,考察了区间估计的精度;在位置参数μ已知的情形下,给出了刻度参数λ的极大似然估计,考察了点估计的精度;在参数μ,λ都未知的情形下,给出了参数μ,λ的点估计,通过模拟认为位置参数μ的点估计取样本中位数,而刻度参数λ的点估计取极大似然估计(依赖于μ的估计)较为精确.     

两参数Birnbaum-Saunders疲劳寿命分布的统计分析方法研究

文章首先比较了全样本场合下两参数BS疲劳寿命分布各种参数的点估计的优劣,认为当样本容量较大时,用分位数估计更为方便.通过Monte Carlo模拟说明文献[6]关于尺度参数的区间估计有可能是不存在的.     

圆内二维均匀分布的点估计与区间估计

文章研究了圆内二维均匀分布的参数的点估计与区间估计,利用次序统计量得到了圆的半径的估计量与置信区间。     

变点估计的相合性及其应用

文章主要研究了均值变点估计问题,给出了变点的累积和型估计,证明了变点估计的相合性。利用EViews软件,分别对总体上证指数数据和变点之后的数据建立状态空间模型,通过比较预测结果的绝对百分比误差(APE),得出基于变结构的分段数据所建立的模型预测效果较好的结论。     

中国股指收益率序列GARCH模型中变点的Bayes识别

文章研究基于贝叶斯方法的GARCH模型中变点的识别问题.由于股指收益率序列呈现尖峰厚尾非正态的特点,假设误差项服从自由度为v的标准化学生t分布而非标准正态分布.我们给出了基于贝叶斯方法的GARCH模型中变点估计的具体描述,包括单变点情形、多变点(变点个数未知)情形的变点估计.在实证研究中,我们选取2000年1月4日至2011年9月30日上证A股指数收益率数据进行迭代计算来识别变点,并且将得到的变点时刻与其附近的重大政治经济事件结合起来,给出其合理的解释.     

内部收益率在企业投资决策中的运用

企业投资决策的方法之一是通过净现值求出的内部收益率来评价,文章通过揭示内部收益率的实质探究其计算取值规律得出如下结论:取净现值最接近零时的正负两值,求出的内部收益率准确程度最高;取净现值一个正值和一个负值时,求出的内部收益率近似值大于实际值,需警惕不要做出冒险的投资决策;取净现值两值同为正值或负值时,求出的内部收益率近似值小于实际值,需警惕不要做出保守的投资决策,同时注重其相悖性和与其他方法的配合使用。     

基于实物期权的专利资产证券化中的单一专利价值评估

专利资产证券化作为一种新型融资方式已为发达国家所采用,对于推动金融创新与科技发展起到了重要的作用。我国也开始了该项交易的试点。由于被证券化专利的特点,导致传统评估方法在对其进行评估时具有局限性。文章使用实物期权法对专利资产证券化中的单一专利的价值进行了评估,并建议使用模糊综合评价法对本模型的评估结果进行修正,以获得更为接近真实值的评估值。     

讲授极大似然估计时应注意的几个问题

极大似然估计是由费雪（Ｒ．Ａ．Ｆｉｓｈｅｒ）在１９１２年提出的一种对参数进行点估计的方法。由于这种方法对总体参数进行点估计时，既利用了样本资料对参数提供的信息，又充分考虑了总体对参数提供的信息，因而极大似然估计值具有一致性、有效性、充分性、完备性等优良估计特性，也正是由于这个原因，使得极大似然估计法一直是参数点估计法中最重要的方法     

熵值赋权法的改进

熵值法是一种常见的赋权方法,在综合评价中有这较广泛的应用.但是样本出现异常点数据(如数值等于零的数据)时,熵值法就不能够很好地处理,这在很大程度上限制了熵值法的使用范围.文章将功效系数法和标准化方法相结合,对熵值法进行改进,扩展了熵值法的应用范围.     

基于Gibbs抽样算法的面板数据分位回归方法

 文章讨论了含有随机效应的面板数据模型,利用非对称Laplace分布与分位回归之间的关系,文章建立了一种贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,文章给出了Gibbs抽样算法下模型参数的点估计及区间估计,模拟结果显示,在处理含随机效应的面板数据模型中,特别是在误差非正态的情况下,本文的方法优于传统的均值模型方法。文章最后利用新方法对我国各地区经济与就业面板数据进行了实证研究,得到了有利于宏观调控的有用信息。     

基于拟蒙特卡罗方法的可转债VaR和ES风险度量

文章通过使用随机Faure序列和方差减小技术并结合Moro算法,提出了基于Faure序列和Moro算法的拟蒙特卡罗(FMQMC)方法。基于该方法,给出了中国可转债的风险值VaR和ES的度量模型。最后,选取了燕京可转债进行了实证分析,从可转债的VaR和ES估计值、方差以及计算效率几个方面将该方法与普通蒙特卡罗方法(PMC)进行了比较,结果显示FMQMC方法在计算燕京可转债的风险值VaR和ES时不仅方差更小,计算效率更高,而且其估计值也更加接近实际损失。     

索赔次数服从复合Poisson—Geometric分布的风险模型的参数估计

文章分析了索赔次数服从复Poisson—Geometric分布时的风险模型，给出了参数的矩估计，采用随机模拟的方法考察了矩估计不存在的比率，同时还给出了参数的极大似然估计；通过大量Monte-Carlo模拟考察了点估计的精度，认为矩估计优于极大似然估计，并且通过实例分析说明了本文方法的应用。     

基于BCUSUM的多参数变点估计

文章基于递归残差的逆序特征和隔离检测研究了回归模型多参数变点的检测方法。首先,构建带有变点的回归模型,考虑到多元正向CUSUM检验能防止协变量均值与偏移量正交时损失功效,但其变点检测效果并不理想的情况,引入修正的检验统计量BCUSUM。其次,结合快速高效的隔离检测技术,提出MCPDP算法用于估计变点数目及位置。最后,模拟结果表明,所提出的方法能较好地控制检验水平,有更高的功效;评价结果显示,MCPDP算法在变点估计性能方面表现较优;实例分析表明,交通流变点符合实际交通情况,验证了该方法的有效性,且所构建的模型可以作为交通参数确定性经验关系的一种修正。