带漂移项分数布朗运动下的参数估计

文章将Donsker型近似应用于分数布朗运动.利用极大似然方法得到了漂移项的分数布朗运动的参教估计表达式;并进一步分析了该估计量的均方收敛性和一致收敛性.数值模拟结果表明文章给出的估计量具有较高精度.     

几种q-分布的参数估计方法

由Tsallis提出的非广延统计力学在当今已经有了越来越广泛的应用,并且由此得到的概率分布,即q-分布,也被用来解决各种领域方面的问题,尤其是在交叉学科复杂系统中的运用。文章分别采用矩估计、极大似然估计的方法来推导几种常见q-分布的参数;进一步通过对NBA进球数据进行实证分析,采用不同的估计方法得到参数的估计值,并根据均方误差原理得知极大似然估计方法要优于矩估计方法。     

混合样本下双因素误差模型的参数估计

考虑到面板数据的选择性偏误、不响应、样本流失及轮换面板数据的高成本,在实际应用中,根据研究的需要和两种样本各自的特征,有时将两种样本结合使用,从而得到普通面板数据和轮换面板数据的混合样本。文章提出了混合样本下双因素误差面板回归模型的迭代极大似然估计方法,得到了未知参数的迭代公式。使用蒙特卡罗模拟方法分析了面板数据和混合样本下参数估计的平均绝对偏差和均方误差,结果显示：与面板数据下的极大似然估计量相比,混合样本下迭代极大似然估计方法整体上降低了估计量的平均绝对偏差和均方误差,优于面板数据下的极大似然估计量。     

球内三维均匀分布的参数估计

球内三维均匀分布在理论和实际应用方面有着广泛的应用。文章重点研究了球内三维均匀分布体积和半径的参数估计,利用次序统计量得到了球径的矩估计量和极大似然估计,并对估计的置信区间做了讨论。     

可变系数空间自回归模型的参数估计

传统的空间面板数据模型利用截距项来体现空间异质性,往往无法完全体现出空间异质性,文章构建一种系数随空间个体变动而变动的空间自回归模型,利用系数来考察空间异质性,并可以考察经济关系以及空间关系的个体特征。在一定的模型设定条件下,文章给出了该模型的完全信息极大似然估计,并推导了该估计量的渐进分布。     

一种软件可靠性新模型的参数估计和统计推断

文章主要介绍一种软件可靠度的模型,并给出模型失效率的极大似然估计的求法以及存在的务件、失效率的置信上限.     

混合再生散度模型的参数估计

随着社会信息化的发展数据的种类越来越多样化,在实际的数据分析中相对于同质总体,异质总体更具有普遍性,所以混合回归模型是最重要的统计数据分析工具之一。再生散度模型是一种比指数族分布更加广泛的分布,适用性更强。基于此,提出混合再生散度模型,对方位参数进行建模,并通过EM算法研究该模型参数的极大似然估计。同时,通过随机模拟和实例研究说明该模型和方法是有效和有用的。     

异质性空间随机前沿模型的参数估计及应用

经典的随机前沿模型忽略了决策单元之间的空间关联性,无法准确估计效率影响因素相关参数,限制了其适用范围。本文在空间自回归随机前沿模型的基础上,引入效率影响因素,构建出一个异质性空间随机前沿模型,基于极大似然估计法给出模型参数的单步估计策略,提出决策单元技术效率的最优预测量。理论分析证明,模型参数在一定的假设条件下具备一致性;模拟实验表明,参数估计量和技术效率预测量较之经典模型具有更高的估计精度,且会随着样本量的扩大而逐渐提升。本文使用所提出理论方法讨论了我国城市数字普惠金融发展与技术效率水平之间的相关关系,发现两者之间存在显著的正相关关系,同时也印证了模型设定和估计方法的可靠性。     

EM算法在删失数据分布和混合分布参数估计中的应用

EM算法是一种迭代算法,主要采用后验分布的众数或极大似然估计,广泛的应用于删失数据,截尾数据,成群数据,带有讨厌参数的数据等。文章介绍EM算法,并对删失数据的对数正态分布参数估计和混合正态分布参数的极大似然估计进行了模拟,模拟结果表明对删失数据分布的参数估计和复杂的极大似然估计,EM算法是有效的,估值精度满足要求。     

缺失数据下非线性均值方差模型的参数估计

文章在响应变量随机缺失下研究非线性均值方差模型的参数估计问题.基于回归插补和随机回归插补两种缺失插补方法以及结合Gauss-Newton迭代计算算法给出该模型中未知参数的极大似然估计.并通过对两个随机模拟例子实际例子的研究分析,结果都表明了所提出的模型与统计方法具有可行性和实用性.     

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。     

多重减因模型的马氏链方法与转移强度参数估计

文章利用马氏链方法推导出多重减因模型的生存与死亡概率,并通过极大似然估计方法给出了其转移强度参数估计.     

广义Pareto分布模型参数的近似估计及应用

文章利用极大似然估计法及泰勒公式给出了广义Pareto分布模型参数估计,并在确定阈值的基础上对多种元素的广义Pareto分布模型参数进行了估计,经Kolmogorov检验证实该近似估计法的合理性和有效性。     

逐步删失场合Pareto分布的参数估计

文章考虑两类逐步删失场合的Pareto分布的参数估计问题,在Ⅰ型逐步删失场合,形状参数的极大似然估计没有显式表达式,故采用图解法求出其极大似然估计;在Ⅱ型逐步删失场合,我们能得到两个参数的极大似然估计量。     

基于Bayes统计推断的极值风险测度模型

极值分布的参数估计是计算极值风险的关键。文章运用Bayes方法,研究了极值分布的参数估计问题,得到了极值数据的后验分布。作为一个应用,对某水文观测站的年最高水位数据进行了分析,并用极大似然估计和Bayes估计得到极值风险的测量值,解读两者之间差别。研究结果表明,Bayes参数估计方法更有效。     

季节指数的极大似然估计

文章探索运用数理统计的极大似然估计法计算季节指数,得出的计算公式与传统的算术方法完全一致,从直观上保持了与传统算法的衔接性,又可以得出季节指数的区间估计,提高了季节指数计算的完备性.     

面板有序响应模型多种参数估计方法的仿真比较

面板有序响应模型已经被广泛应用于主观评价问题的研究,但在估计方法上,该模型依据对排序变量的处理规则不同产生了多种估计技术。因此,有必要设计蒙特卡罗仿真实验,综合考察这些方法在模型参数估计以及假设检验两个方面的表现,进而判别其优劣,其结果对于应用研究的方法选择也具有重要的指导意义。基于仿真实验的研究结果表明,OMD方法在小样本下会存在严重的估计偏误与假设检验的显著性水平扭曲现象,在超大样本下该方法可以产生有效的估计结果与检验结论,但效率改进的幅度不明显。DvS、BUC和CML方法在各种样本条件下都可以获得稳健一致的估计结果,但是对于参数的约束检验,CML方法会产生较明显的错误结论。针对以上结果产生的建议是,应该优先使用DvS或者BUC方法来估计面板有序响应模型并开展后续的假设检验工作。     

带线性约束的多元线性回归模型参数估计

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。     

关于季节指数约束条件和极大似然估计的研究——基于三种加法和乘法模型

使用科学的方法观测并计算某种社会经济现象的季节性变动,对于把握其真实的环比变动具有重要的现实意义。使用经典方法计算季节指数以反映现象的季节性变动,因其结果不够严谨和完备,是一个至今尚未获得完满解决的问题。为了提高计算季节指数结果的科学性、严谨性、完备性,基于符合三种加法和乘法模型的社会经济现象,解析其中各季节指数之间存在的约束条件,运用数理统计中极大似然估计理论与方法,推导出与经典方法算式相近的季节指数的约束极大似然估计算式,给出季节指数的区间估计,并举例对获得的结果做了计算和对比验证。     

Poisson-Gumbel复合极值分布的参数估计

本文对Poisson-Gumbel复合极值分布的现实意义进行了拓展,分别应用极大似然法(MLE)、复合矩法(CME)和概率权矩法(PWM)对Poisson-Gumbel复合极值分布中的参数进行估计,并在理论上运用蒙特卡洛方法模拟,对三种参数估计方法的统计性质进行讨论,最后给出在汇率分析中的一个应用实例。结果表明:三种方法中,极大似然法效果最好且表现最稳定。