指数型分布族的因子分解判别法

目的解决指数型分布族判别方法不够简便的问题。方法在因子分解定理的基础上提出了一个判别指数型分布族的简单方法。结果提出了指数型分布族的因子分解判别法,并给出了指数型分布族的一个良好性质。结论该判别法比用定义法判别指数型分布族更简单易行。

非正则分布族中参数估计的最高相合阶

将相合阶问题引入到了双参数双边截断分布族与具有一个跳跃点的分布族中 ,在分布族具有某种光滑性质的条件下 ,考察了这 2个非正则分布族中参数估计的最高相合阶 .从而为讨论这类分布族中参数估计的有效性问题奠定了基础 .

Linex损失下单边截断型分布族参数的EB估计

本文在 L inex损失函数下 ,讨论单边截断型分布族参数的经验 Bayes( EB)估计 ,并建立了它的收敛速度 ,并说明了在较强的条件下 ,收敛速度可充分接近于

单边截断分布族参数的经验Bayes检验:NA样本情形

本文运用同分布 NA样本密度函数的核估计 ,构造一类单边截断型分布族参数的经验 Bayes检验 ,讨论它的渐近最优性 ,建立其收敛速度 .在适当的条件下 ,证明了该收敛速度可以任意接近于 1 ,最后给出适合定理条件的一个例子 .

重尾分布族及其关系图

归纳了在文献中出现的重尾分布的概念和各类分布族,研究了重尾子族的特征及其相互关系,试图利用文图(Venn diagrams)直观给出重尾子族之间的关系.

G分布族参数估计新方法

提出了G分布族参数估计的新方法,首先详细分析了当前普遍采用的基于矩估计的G分布族参数估计方法存在的理论缺陷,在此基础上,提出了一种基于Mellin变换的G分布族统一的参数估计方法。该方法以Mellin变换为出发点,详细推导了G分布族中各分布对应的第一个、第二个第二类型的特征函数和它们各自对应的对数矩和对数累积量,最终获得了各分布参数估计简洁的迭代表达式。文中所提方法不但克服了各分布的矩估计器面临的诸多不足,更重要的是把视数同其他参数一样视为待估计的参数,且能够快速、准确地迭代出它们的估计值,保证了G分布族中各分布的拟合精度。以KL(Kullback-Leibler)度量、MSE(Mean Square Error)度量和K-S(Kolmogorov-Smirnov)检验为定量评估准则,对不同分辨率、不同视数的实测SAR图像分别采用文中所提各分布估计器与对应的矩估计器进行拟合实验,实验结果的全面对比分析证明了所提方法的有效性。

指数分布族参数的渐近最优与可容许的经验Bayes估计

在平方损失下 ,构造了指数族 { f(x|λ) =λe-λx,λ >0 ,x >0 }的参数λ的渐近最优与可容许的经验Bayes估计 ,即δn=(n +u + 1n1φ(n) + 1) β1+ βX,其中X1,X2 ,…Xn(历史样本 )和X(当前样本 )独立同分布于 f(x) ,Sn= ni=11n(1+ βXi) ,φ(n) =1n(Sn+ 1n(1+ βX) +v- 1) ,u >0 ,v >0 ,β >0 (已知 )为任意的实数 ,并证明了该估计的收敛速度为O(n- 1)。

NA样本下一类指数分布族的经验贝叶斯检验

目的讨论负相依样本下一类特殊指数分布族的经验贝叶斯单边检验问题。方法利用概率密度的变窗核估计方法。结果得到了经验贝叶斯检验函数,在适当的条件下获得其收敛速度,并给出了一个满足定理条件的例子。结论该检验函数是渐近最优的。

NA样本下单边截断型分布族位置参数的经验Bayes估计

该文在充分运用同分布 N A样本密度函数的核估计方法的情况下 ,构造出了一类单边截断型分布族位置参数θ的经验 Bayce(EB)估计 ;由分析可知 ,在适当的条件下 ,证明了位置参数θ的 EB估计的收敛速度 O(n- q) ,其中 q =λα(δ -2 ) /(2α + 4)δ,α >0 ,1>λ >0 ,δ >2。

LINEX损失下一类分布族参数渐近最优的EB检验

目的 在LINEX损失函数下,讨论一类双边截断型分布族参数的经验Bayes(EB)检验问题。方法 构造适当的EB判决(检验)函数。结果 在经验Bayes检验问题中,将损失函数推广为LINEX损失,在适当的条件下证明了所构造的判决函数是渐近最优的。结论 LINEX损失函数具有比对称损失更广泛的意义,而且在一定条件下可以获得参数渐近最优的EB检验。

用Johnson分布族来计算非线性VaR

目前 ,最普遍的风险管理方法是 :VaR(ValueatRisk含义是风险中的价值 )风险测量技术 ,而该技术在测量包含有非线性头寸的资产组合回报时 ,因为资产回报分布已不是正态分布 ,因而在求组合回报在一定置信水平下的分位数时 ,遇到了前所末有的挑战。在这种情况下 ,局部Monte Carlo模拟法被认为是一种较准确的VaR测量方法 ,但由于其计算的时间长、计算量大、且无法解决伪随机数的集聚性问题等本身缺陷 ,在实际中也不常用 ,针对这一情况 ,RiskMetrics技术小组于 1996年就提出以Johnson分布来将回报转换为标准正态分布 ,但参数估计除对数正态外不存在解析形式 ,且需要解一个非线性方程组。而本文采用分位点估计法来估计参数 ,不但不必要解非线性方程组 ,计算量上大大减少 ,而且JamesF .Slifker等人已经证明分位点估计比矩估计拟合得更好 ,所以本文把它用于VaR计算 ,并与局部Monte Carlo模拟法进行了比较。

强混合样本下刻度指数分布族参数的经验贝叶斯估计和检验

本文研究强混合样本下刻度指数分布族参数的经验贝叶斯(EB)估计和检验问题,提出了2种EB估计和2种EB检验方法,在较一般的正则条件下,给出了在强混合样本下所提出的EB估计和EB检验的收敛速度,并模拟研究了EB方法的优劣性。

强混合样本下连续型单参数指数分布族的经验贝叶斯估计

本文研究强混合样本下连续型单参数指数分布族的经验贝叶斯(EB)估计.在较弱的正则条件下,给出所提出的EB估计的收敛速度.

双边截断型分布族参数的经验Bayes估计

在 Linex损失函数下 ,讨论一类双边截断型分布族参数的经验 Bayes(EB)估计问题 ,构造了参数的 EB估计 ,在适当的条件下给出了该估计的收敛速度 .最后给出例子 。

幂级数分布族的一些统计性质

为了研究幂级数分布族性质,首先给出幂级数分布族的定义,并证明幂级数分布族的三个性质;其次,通过探讨常见的离散型随机变量分布在幂级数分布族下的参数结构,研究表明常见的离散型随机变量的分布均属于幂级数分布族;最后应用幂级数分布族性质确定这些离散型分布的完备充分统计量的分布形式、参数的一致最小方差无偏估计的方法以及随机变量的取值问题.得出结论:两点分布、二项分布、泊松分布、几何分布和负二项分布等常见离散型随机变量分布,在幂级数分布族概念下其函数形式与参数结构都是统一的.

一类单边截断型分布族参数的经验Bayes检验

讨论一类单边截断型分布族位置参数的经验Bayes检验问题,文中构造了经验Bayes判决函数,证明了它具有渐近最优的性质,并且获得了收敛速度。

一类单边截断型分布族参数的双侧经验Bayes检验问题

讨论一类单边截断型分布族参数的双侧经验Bayes(EB)检验问题 ,构造了参数的EB判决函数 ,证明它具有渐近最优性 ,并且获得了收敛速度。

Linex损失下二维单边截断型分布族参数的经验Bayes估计(英文)

在linex损失函数下 ,讨论边二维单边截断型分布族参数的经验Bayes(EB)估计问题 ,文中构造了参数的EB估计 ,在适当的条件下给出了该估计的收敛速度。并说明在较强条件下收敛速度可充分接近 1。

位置刻度分布族中参数的两步置信区间(英文)

寻找一些分布中的参数的具有预先给定宽度和预先给定覆盖概率的置信区间是令人感兴趣的.对于位置刻度分布族中位置参数和刻度参数,这种类型的置信区间的存在性问题已在文献中被解决.本文利用两步抽样,具体地构造出这样的固定宽度置信区间.此外,对于Cauchy分布,第一阶段的最优抽样量和一些统计量的分位点也被计算出.所得到的结果具有应用价值.

威布尔分布族刻度参数的经验Bayes检验函数的收敛速度

本文研究了在"加权线性损失"下,威布尔分布族刻度参数经验Bayes(EB)检验问题利用概率密度函数的递归核估计,构造了刻度参数的经验Bayes检验函数,并获得了它的收敛速度,在适当的条件下,收敛速度的阶可任意接近O(n^(-1)),推广了文献的结果.最后给出一个有关本文主要结果的例子.