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.

最小方差无偏估计方法提高Gm-APD啁啾调制光子雷达的测距精度

啁啾调制光子雷达由于探测器Gm-APD的死时间限制了采样频率和调制带宽的提高,FFT进行信号处理时存在着固有的频域采样间隔,使得测距精度的提高受到很大限制。按照啁啾光子雷达接收机的信号处理过程对回波信号进行了推导,获得了系统回波中频信号的解析表达式,并采用最小方差无偏估计的方法对中频频谱进行处理,最后对该方法进行了仿真,并用仿真结果与质心估计中频后处理方法的仿真结果进行了比较。最大测距误差可由4.3 m降低到0.4 m,表明最小方差无偏估计的中频处理方法可以有效提高Gm-APD啁啾光子雷达的测距精度。

Erlang-平稳二项过程模型结构可靠度一致最小方差无偏估计

讨论结构在设计基准期[0,T]内应力变动规律,考虑应力为平稳二项过程、强度服从Erlang分布的半随机过程模型,给出应力随机过程的样本函数的最大值分布,并获得其相应的模型结构可靠度最小方差无偏估计.

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.

R-S(t)半随机过程模型结构可靠度的最小方差无偏估计

讨论强度为指数分布,应力为强度函数sum form i=0 to l(λiti)的复合非时齐Poisson过程模型结构可靠度的估计问题.获得强度函数sum form i=0 to l(λiti)的复合非时齐Poisson过程的最大值分布与当量正态变量,指数分布—强度函数sum form i=0 to l(λiti)的复合非时齐Poisson过程模型结构可靠度的最小方差无偏估计.

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 .

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。

基于最小方差无偏估计的目标定位算法研究

广义互相关时延估计方法(GCC)由于具有计算简单和易于实现的特点,因此在实际的被动声源定位系统中得到了广泛应用。随后出现了不同加权函数的GCC定位算法,但是在不同环境中各个加权函数的选择不同,时延估计误差不同。提出了基于最小方差无偏估计(MVU)的时延估计算法,对多种加权函数下的时延估计建立数学模型,然后用最小方差估计出最优的时延估计值。仿真实验表明,这种方法使估计精度明显提高。

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.

基于稀疏约束的最小方差无偏自适应荷载估计

提出了一种基于稀疏约束的最小方差无偏自适应荷载估计算法,该算法是对传统的最小方差无偏估计算法的改进。利用大部分结构荷载在空间稀疏的特点,通过PM(pseudo-measurement)技术对荷载向量施加了一个稀疏约束,最终无约束的最小二乘估计转换为了基于l 1范数的稀疏约束,在这样的改进下,传统算法在加速度观测下的荷载漂移问题被有效地解决,同时提高了算法荷载估计的鲁棒性。此外,对于噪声估计传统做法都是通过经验进行手动设置,在工程应用中极大不便。基于此,引入了自适应估计算法,实现了测量噪声协方差自适应估计。最后,通过1个10自由度弹簧阻尼系统和一个3层框架试验结构验证了算法的有效性。

基于无偏最小方差估计算法的分布式CFAR检测

为了提高分布式CFAR检测的性能,文中研究采用无偏最小方差估计(UMVE)CFAR作为局部检测器的分布式CFAR系统。文中推导出采用"与"融合和"或"融合准则时分布式UMVE-CFAR的目标函数和参数优化方程。并将其与CA,OS等经典分布式CFAR检测进行了性能比较,结果表明,分布式UMVE在均匀背景和多目标环境下具有比分布式OS更好的性能,在杂波边缘环境中的性能则稍逊于分布式OS-CFAR。

线性模型中Bayes线性无偏最小方差估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(Bayes linear unbiasedminimum variance estimator,BLUMV)估计相对于最小二乘(least square,LS)估计的优良性,并讨论了3种不同相对效率的界.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

最小范数二次无偏估计与最小方差二次无偏估计的关系

本文给出了当V0 ≥ 0时 ,c′σ2 在混合模型M =( y ,Xβ ,Uξ,σ20 V0 )下的最小范数二次无偏估计的表达式及其证明 ;得到了当 y服从正态分布时 ,c′σ2 的最小范数二次无偏估计与其最小方差二次无偏估计之间的关系。

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.

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。

求一致最小方差无偏估计的几种方法

寻找完备充分统计量的函数使之成为g(θ)的无偏估计、任取g(θ)的一个无偏估计并将之对完备充分统计量求条件期望、UMVUE存在的充要条件是对任一0的无偏估计φ(x),若Var(φ(X))<∞,则Cov(φ(X),T(X))=0.来寻求UMVUE.

平衡线性混合模型方差分量几种估计的优良性

对于平衡线性混合模型,本文提出了一组易验证的条件,在此条件下,方差分量的谱分解估计、方 差分析估计和最小范数二次无偏估计都相等且为一致最小方差无偏估计．同时证明了在此条件下,似然 方程和限制似然方程都有显式解,还给出了许多满足这组条件的平衡线性混合模型的例子．