双边定时截尾下Pareto分布的参数的极大似然估计的EM算法

给出了当寿命分布为Pareto分布时,双边定时截尾寿命试验下形状参数的极大似然估计。由于似然方程形式较复杂,无法得到参数的显式表达式。但可证明此极大似然估计是唯一存在的,并利用EM算法求出了此参数的一种估计。

由Chvátal定理引出的关于Weibull分布和Pareto分布的研究

受Chvátal定理的启发,本文研究了随机变量不超过其期望的概率的下确界问题.利用分析的方法,我们得到了当随机变量的分布为Weibull分布或Pareto分布时该随机变量不超过其期望的概率的下确界.

极值服从广义Pareto分布的扭转载荷外推方法研究

提出了一种极值样本服从广义Pareto分布(generalized pareto distribution,GPD)函数的扭转载荷时域外推方法,基于极值样本的均值超出函数,首先确定一个区间范围,并以形状参数最小的均方误差为目标,通过自抽样法确定最佳阈值,再采用极大似然估计法对GPD函数的形状参数和尺度参数进行估计,获取扭转随机载荷谱的极值样本,服从GPD分布规律。以商用车驾驶室的稳定杆为研究对象,介绍了扭转载荷采集的方法,基于所提出的扭转载荷时域外推方法进行外推研究,并分别从穿级计数、功率谱密度、雨流图和潜在伪损伤量等方面对外推前后的载荷谱进行了对比分析。结果表明:所构建的载荷外推算法对商用车驾驶室稳定杆扭转载荷外推有较好适应性。

逐步增加Ⅱ型截尾下Pareto分布形状参数的Bayes估计

基于逐步增加Ⅱ型截尾样本,首先得出Pareto分布形状参数的极大似然估计,考虑两个损失函数和形状参数的两个先验分布,得出该分布形状参数的4个Bayes估计。由数值模拟结果发现,上述四个Bayes估计值的均方误差均小于极大似然估计值,其中,当损失函数为二次损失函数,形状参数的先验分布为共轭先验分布时的Bayes估计的均方误差较小,估计效果更理想,且实例分析与数值模拟结果相符。其次在二次损失函数下,针对形状参数先验分布选取共轭先验分布,给出Pareto分布形状参数的多层Bayes估计和E-Bayes估计。

无失效数据场合下Pareto分布可靠度的Bayes估计

在无失效数据场合下,根据Pareto分布的分布函数的上凸函数性质,讨论Pareto分布可靠度的Bayes估计.首先取关于失效概率P_(i)的减函数(1-P_(i))^(a)作为P_(i)先验分布的核函数,给出了可靠度Ri的先验分布,然后计算其Bayes估计,最后进行了算例分析.算例分析结果表明,与取均匀分布作为失效概率的先验分布相比,本文提出的方法有效提高了Pareto分布可靠度的估计精度.

损失函数下逐步二型删失数据广义Pareto分布参数的Bayes估计

基于逐步二型删失数据,在几种不同的损失函数下,选择广义Pareto分布,讨论其形状参数的Bayes估计。当尺度参数给定时,为θ参数引入Gamma分布作为先验分布,得到了几种不同损失函数下参数θ的Bayes估计的数学表达式,通过数值模拟方法,比较了几种损失函数下所得到的Bayes估计的效果。结果表明:在Linex损失函数下,广义Pareto分布参数的Bayes估计效果最优。

一种基于贝叶斯的广义Pareto分布变点估计

文章研究广义Pareto分布单变点的估计问题,利用贝叶斯方法对广义Pareto分布变点进行估计,模拟结果表明,贝叶斯方法能获得更好的效果。同时将贝叶斯方法与基于KL散度似然比统计量的极大似然法比较,得出贝叶斯方法效果更好。

修正的Pareto分布模型在油气资源评价中应用的新方法——兼评3种Pareto分布模型的不正确性

帕雷托(Pareto)于1897年提出用一个负指数幂函数关系式,描述含油气盆地或区带内油气田储量规模的分布,被称为Pareto分布模型或Pareto定律。然而,原Pareto分布模型在理论上存在缺陷,即当x=0时,N(0)→∞。此外,在双对数坐标上,储量规模排序与编号之间往往不成直线关系,无法确定Pareto分布模型常数。因而,影响到原Pareto分布模型在油气资源评价中的有效应用。陈元千于2008年对原Pareto分布模型提出了修正,克服了理论上的缺陷,建立了有效的预测方法。在修正的Pareto分布模型的基础上,经进一步研究,得到了计算Pareto分布密度、累积分布和逆累积分布,以及含油气盆地总资源量和三级资源量的计算方法。同时,对金之钧、Lee和Chen-Richard的3种Pareto分布的不正确性进行了评论。通过实例应用表明,新方法是实用有效的。

复合LINEX对称损失下Pareto分布形状参数的E-Bayes估计及应用

在统计决策问题中,统计决策及参数估计的优劣性在很大程度上依赖于损失函数形式的选取。文章主要在在复合LINEX对称损失函数下,研究了Pareto分布在其尺度参数σ已知的情况下利用共轭先验分布求出其形状参数θ的E-Baves估计;并举出具体的数值例子说明其应用性。通过数值分析对其形状参数的Bayes估计和E-Bayes估计进行比较,说明后者比前者较优。

基于广义Pareto分布的洪水序列频率分析

广义Pareto分布是超定量洪水频率分析的常用线型,其阈值的合理选择是关键。对洪水序列超阈值分布的阈值选择和超定量样本的适用性检验两个方面深入讨论,为设计洪水提供更优的频率分析方法。基于广东省曹江流域大拜水文站1968~2013年日流量的洪水序列数据,采用不同的抽样方法,检验不同洪水超定量的泊松分布、广义极值分布和超定量样本分布的拟合优度指标。将择优的GPD、GEV和P-III型模型推算的洪水重现水平做了对比分析。获得以下结论:大拜站洪水序列GPD模型属于重尾分布;洪水GPD阈值的选择可以参考经验平均超过函数图,而最佳阈值应采用多种指标综合确定;三种概率分布的拟合优度结果显示,构建的大拜站洪水GPD模型精度与GEV和P-III型相比较高;GPD的参数估计方法对洪水重现水平的计算结果有较大影响。

复合MLINEX对称损失函数下Pareto分布参数的Bayes估计

文章针对两参数Pareto分布的Bayes估计问题,在尺度参数λ已知的情况下,运用Bayes定理,得到复合MLINEX对称损失函数下形状参数θ的Bayes估计,并证明其是可容许的。最后在给定三类不同超参数的先验密度函数下,给出E-Bayes估计和多层Bayes估计,且得到E-Bayes估计具有保序性。

Linex损失下Pareto分布参数的Bayes估计

该文讨论了在Linex非对称损失函数下Pareto分布参数的Bayes估计及多层Bayes估计,并证明了相应的估计是可容许的.

广义Pareto分布在超定量洪水序列频率分析中的应用

【目的】针对指数分布在超定量洪水序列计算时存在适线灵活性不足的缺点,应用改进线性矩法和广义Pareto分布研究超定量洪水序列频率的计算问题。【方法】以陕西省延河流域无定河赵石窑站超定量洪水序列为例,采用Poisson分布拟合超定量洪水发生次数,用常规线性矩法和改进线性矩法估计广义Pareto分布参数,并分别进行超定量序列频率分析。根据复合极值理论,结合Poisson分布和广义Pareto分布获得年最大超定量洪水分布。采用Pearson-Ⅲ分布,对赵石窑站年最大洪水序列频率进行分析。选用离(残)差平方和最小值(OLS)准则对上述3种方法计算的洪水频率进行对比分析。【结果】改进线性矩法估计的OLS值小于常规线性矩法;广义Pareto分布的OLS值小于Pearson-Ⅲ分布。【结论】改进线性矩法估计参数的精度高于常规线性矩法;建议在水利工程规划中采用广义Pareto分布进行超定量洪水频率分析计算。

Pareto分布参数估计的损失函数和风险函数的Bayes推断

文章在共轭先验分布下,研究pareto分布参数1θ的损失函数和风险函数的Bayes估计,并对各种Bayes估计的性质进行讨论,最后指出各种Bayes估计的合理性。

广义Pareto分布海杂波模型参数的组合双分位点估计方法

广义Pareto分布的复合高斯模型可以很好地描述高分辨低擦地角对海探测场景中海杂波的重拖尾特性,实现该杂波模型下双参数的有效估计对雷达检测性能具有重要意义。对此,该文提出一种双参数的组合双分位点(CBiP)估计方法。该估计方法基于低阶多项式方程的显式求根表达式,充分组合利用回波中的样本信息,旨在实现高精度的双参数估计过程。此外,考虑到实际雷达工作中存在岛礁、渔船等造成的功率异常大的野点样本时,不同于传统的矩估计、最大似然(ML)估计等方法,组合双分位点估计方法仍可保持估计性能的鲁棒性。仿真及实测数据实验表明,在纯杂波环境中,组合双分位点估计方法可以实现与最大似然估计方法近似的估计精度,若存在异常样本,组合双分位点估计方法的估计性能优于上述几种传统估计方法。

双定数混合截尾下两参数Pareto分布的统计分析

在传统的定时和定数截尾试验的基础上,该文首次提出了一种新的截尾试验方案:双定数混合截尾.基于这类截尾数据求出了两参数Pareto分布参数的极大似然估计及θ的置信区间.当α已知时,取Gamma先验分布的情况下,求出了三种不同损失函数下参数θ、可靠度函数以及失效率函数的Bayes估计;当α,θ都未知时,分别取无信息先验分布和指数先验分布,在平方损失函数下分别计算出α,θ、可靠度函数以及失效率函数的Bayes估计.利用Monte-Carlo方法模拟出双定数混合截尾样本,进而得到了两参数Pareto分布的参数及可靠性指标的估计,计算出相对误差并把各种估计的精度进行了比较.最后对一个数值例子进行了分析.

金融市场极端日收益数据的广义Pareto分布拟合

本文基于极值理论和方法建立了上证综合指数极端日收益率的广义Pareto模型,并利用所得的模型计算出日收益率的返回水平及其上尾概率。将估计的日收益率模型比较得出,在实施涨跌停板前,日收益率的上尾明显厚于实施涨跌停板后的上尾,说明了实施该制度可以有效的控制股票市场的投机现象,从而降低投资者的收益损失风险。

基于广义Pareto分布的大坝预警指标拟定方法

将极值理论中的广义Pareto分布模型用于大坝预警指标拟定中是一个行之有效的方法,该方法通过设定某一阈值,以监测序列超过该阈值的实测值为分析样本,并认为该样本服从广义Pareto分布。由于阈值的选取关系到广义Pareto分布参数估计的精度,而用超限期望图法确定的阈值具有较大的主观性误差,因此,从定义出发,通过数学推导,建立了自动选取阈值的方法。通过实例分析表明,采用自动选取法确定阈值的广义Pareto分布拟定的大坝预警指标更加合理。

广义Pareto分布参数的最小二乘估计

传统的广义Pareto分布(Generalized Pareto Distribution,简记GPD)的参数估计一般受分布形状参数的约束.如:矩估计(the Method of Moments,简记MOM),概率加权矩估计(the ProbabilityWeighted Moments,简记PWM),L矩估计(简记LM),极大似然估计(Maximum Likelihood Estima-tion,简记MLE)等.本文利用GDP可转化成指数分布的事实及指数分布参数估计的结果,利用最小二乘(the Least Squares,简记LS)法,得到了两参数和三参数GPD的参数估计;给出了估计量具有渐近正态性的结果.估计方法不受分布形状参数的限制.模拟显示:本文提出的估计在某些常用条件下优于GPD的其他参数估计,如MOM,PWM,LM,以及基于分位数估计(the Elemental PercentileMethod,简记EPM)等.

ATM网络中Pareto分布的ON-OFF业务源对CBR业务时延性能的影响

持续时间长度服从Pareto分布的ON-OFF源，是比指数分布的ON-OFF源更为接近实际业务统计特性的业务模型．本文研究了背景业务为ParetoON－OFF源时，CBR业务的时延性能．结果表明，Pareto分布中的β值决定了ParetoON－OFF业务对CBR业务性能影响程度的大小当β值不大于2时，ON（OFF）持续时间方差为无穷大，此时CBR业务的时延性能十分差，需要对ON－OFF源进行平滑处理。