负二项分布下参数的方差一致最小无偏估计及贝叶斯估计

本文利用充分完全统计量,给出了负二项分布下,总体均值μ和参数P的方差一致最小的无偏估计(UMVUE),特别当r=1时,给出了方差σ2的UMVUE,然后,再利用共轭先验分布给出参数P的贝叶斯估计,并在特殊情形下,对两种估计进行了比较。

二元Cuadra-Auge型帕累托分布参数的一致最小方差无偏估计

讨论了二元Cuadra-Auge型帕累托分布的参数估计;分别给出了参数的矩估计和最大似然估计;导出了二元Cuadra-Auge型帕累托分布的一个特征,并由此得到了参数的一致最小方差无偏估计.

一致最小方差无偏估计的判定及其求法

给出了一致最小方差无偏估计的判定方法及存在的充要条件,并给出了一致最小方差无偏估计的几种求法,最后通过实例说明了这些方法的应用.

一致最小方差无偏估计判定准则的新证法

文中通过构造Hilbert空间,应用Hilbert空间性质给出一种证明一致最小方差无偏估计判定准则的新方法,并给出该判定准则在Hilbert空间的几何直观意义.

一类多元线性模型的一致最小方差无偏估计

本文讨论一类多元线性模型 :y=(S T′) β+e,E(e) =0 ,e=(ε′(1) ,… ,ε′(n) )′,E(ε(i) ε′(n) ) =Φ 0 ,E(ε(i) ε′(i) ε(i) ε′(i) ) =K,i=1 ,2 ,… ,n.当 y准正态分布时 ,在一定意义下得到Φ的 L S估计Φ1,以及 tr(DΦ1)为 tr(DΦ ) (D=D′)的一致对 (Φ ,k)的最小方差无偏估计 (UMVUE)的若干充要条件 .

一致最小方差无偏估计的一点探讨

本文主要给出了一致最小方差无偏估计的一个充要条件,并通过举例探讨了求一致最小方差无偏估计的若干方法。

一类多元线性模型的一致最小方差无偏估计的推广

文 [1 ]讨论一类多元线性模型 : Y=SBT′+ E当 E=Qε,Q=I(单位阵 )且 Cov(ε) =P Φ(随机阵ε准正态分布 ) ,n阶方阵 P≥ 0为已知非零矩阵 .E( ε( i) ε′( i) ) =Φ≥ 0时的一定意义下的情形 .本文讨论线性模型上述式中 Q≠ 0为任意已知矩阵 ,且随机阵 ε只满足某些较弱条件的更一般多元线性模型 .得到包含 [1 ]的 tr( DΦ1)为 tr( DΦ ) ( D=D′)一致对 (Φ ,k)的最小方差无偏估计 ( UMVUE)的若干更一般的充要条件 .

未决赔款准备金的一致最小方差无偏估计

在累积赔款额流量三角形的基础上,假设进展因子服从对数正态分布,得到未决赔款准备金的一致最小方差无偏估计及估计量的方差的一致最小方差无偏估计.

一般密度核估计的一致相合性

V.S.M.Campos和C.C.Y.Dorea在2001年提出了关于(E,)ξ上的σ-有限测度v的一般密度函数p(x)的核估计pn(x),其中E,R,ξ是E的一个σ-域,得到了一些结果,并且验证了所得结论包含经典的连续密度核估计的结论,还进一步延伸了离散分布核估计的结论。以上面的理论为基础,继续探讨这种密度核估计的性质,在核函数满足一定的条件下,得到pn(x)是p(x)的一致渐近无偏估计。同时应用有关经验分布的一些知识,得到了一般核密度估计pn(x)的一致弱相合性和一致强相合性。

带有结构变化的线性模型中参数估计的一些结果

本文在一些纯量损失和矩阵损失下研究带有结构变化的正态线性模型中参数的估计问题．分别给出 了存在回归系数的一致最小风险无偏（ＵＭＲＵ）估计和一致最小风险同变（ＵＭＲＥ）估计的充要条件， 证明了不存在误差方差在仿射变换群下的ＵＭＲＥ估计．导出了回归系数的最小二乘估计的可容许性 和极小极大性．

金融资产的VaR和CVaR风险的优良估计

本文利用统计理论的优良点估计方法来估计金融市场风险的VaR和CVaR,既可避开现有方法中大量的模拟计算和参数估计等工作,又可提高估算精度。在资产-正态模型下,根据不同的风险估计要求,对金融资产的这两种风险分别提供了三种优良估计,即一致最小方差无偏估计,最佳线性次序统计量无偏估计,最佳线性次序统计量同变估计,并提供了实证分析。

指数分布抽样基本定理及在四参数二元Marshall-Olkin型指数分布参数估计中的应用

本文提出指数分布抽样基本定理,四参数二元Marshall-Olkin型指数分布的参数估计中,从参数的识别性分析着手,获得了一个用可识最小值函数表示的分布函数表达式,进而得到了二元指数分布的一个特征;以二元指数分布随机变量样本与二元可识最小值随机变量样本的等价性,获得了基于二元可识最小值随机变量样本参数的最大似然估计,并应用指数分布抽样基本定理,得到了四参数二元Marshall-Olkin型指数分布参数的一致最小方差无偏估计。

混合系数线性模型中参数估计的一些结果

对于在二次损失和矩阵损失下混合系数线性模型的参数估计问题,分别给出了在仿射变换群下存在回归系数的一致最小风险无偏(UMRU)估计和一致最小风险同变(UMRE)估计的充要条件和在平移群下存在一致最小风险同变估计(UMRE)的充要条件,导出了回归系数的广义最小二乘估计的可容许性.

逆威布尔部件的可靠性估计

针对贝叶斯分析中平方误差损失存在的"高估和低估同等重要"问题,提出了一种基于熵损失函数的贝叶斯可靠性分析方法。利用该方法,分别在无信息先验和共轭先验分布下,推导出逆威布尔部件参数、可靠度函数及失效率的Bayes估计,并证明了形如[c T(x)+d]-1的一类估计具有容许性。为了比较不同估计结果的忧劣,文中还给出了逆威布尔部件参数的一致最小方差无偏估计(UMVUE)。最后运用Monte Carlo方法对各种估计的均方误差进行了模拟比较。结果表明,当样本量比较小时,Bayes估计的均方误差小于UMVUE的均方误差。随着样本量的增加,各个估计的均方误差都减小,但在共轭先验下Bayes估计的均方误差最小。

多元Proschan-Sullo型指数分布的特征及参数估计

从参数识别性分析着手,获得以可识最小值随机变量分布密度函数表示的分布函数表达式,进而得到多元Proschan-Sullo型指数分布的一个特征,从而获得基于可识最小值随机样本的参数的最大似然估计,最后得到多元Proschan-Sullo型指数分布参数的一致最小方差无偏估计.

Pareto分布中形状参数的估计问题

本文研究了当a已知时,Pareto分布中形状参数的估计。首先求得了θ的一致最小方差无偏估计(UMVUE),并证明了它在平方损失下是不可容许的。当θ有先验信息时,分别在平方损失和熵损失下讨论了θ的Bayes估计,并说明了其容许性。其次,在熵损失下,讨论了一类形如(cT(x)+d)-1(d>0)的估计的容许性。最后,给出了θ的置信下限。

负二项分布参数的UMVU估计及其渐近有效性

通过讨论负二项分布族的充分完备统计量 ,可给出未知参数θ的一致最小方差无偏估计 ,并通过Cramer Rao不等式及其无偏估计下界的讨论 。

椭球等高分布情形下扩展增长曲线模型中协差阵的最优估计

在椭球等高分布情形下给出了扩展增长曲线模型中协差阵的最小模估计 ,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件。

帕累托分布抽样基本定理及在帕累托分布参数估计中的应用

本文首先发现帕累托分布抽样基本定理,应用到帕累托分布参数估计中,得到了帕累托分布参数的一致最小方差无偏估计;并且得到了单总体帕累托分布参数的置信区间及联合置信区间,以及双总体帕累托分布参数比值的置信区间.

增长曲线模型中协差阵与回归系数阵的最优估计

在椭球等高分布情形下给出了增长曲线模型中协差阵与回归系数阵的最小模不变二次加线性无偏估计 。