(a,b)类分布的统计性质

通过用Bayes方法对(a,b)类分布进行分析,研究相关方差与期望的关系,并给出a与b的矩估计和极大似然估计(MLE).在极大似然估计基础上,利用Lindley逼近引理,给出(a,b,0)类的Bayes估计,并运用MATLAB进行相关模拟.模拟结果表明,对于(a,b,0)类分布的估计,若样本数量较大,则选择Bayes估计更好;反之,选择矩估计更好.     

指数分布场合下基于分组数据区间估计的新方法

从新的角度证明了分组数据下指数分布总体均值的极大似然估计(MLE)的渐进正态性,给出了该均值的渐进置信区间。通过Monte Carlo模拟比较,发现该置信区间优于CHEN和MIE得到的置信区间。     

基于完全样本的两参数Weibull分布的参数估计

结合概率图、数值计算方法及Monte-Carlo法给出了在完全样本下两参数Weibull分布参数极大似然估计(MLE)的数值解和区间估计的枢轴量,最后针对具体实例利用随机模拟实现了极大似然估计和区间估计,效果良好.     

矩阵正态分布参数的完全极大似然估计

得到了矩阵正态分布的均值和方差的完全极大似然估计,它们都是无偏估计,并且证明了它们是相互独立的。     

计算机化自适应测验中能力估计新方法

能力估计的极大似然估计方法(MLE)不能处理全0或全1的被试反应模式,若事先设置好能力估计的上下界,则会导致能力估计的有效范围缩小的后果; 而贝叶斯估计方法需要选择先验分布,先验分布的选择必须很慎重.在原有似然函数的基础上,构建2个新的项目,提出了改进的MLE方法(NMLE).NMLE既不需要能力先验分布,也不会缩小能力估计范围,而且可以处理各种反应模式.蒙特卡洛实验结果表明新方法表现良好.     

一种新的寿命分布

本文介绍了一种带有两个参数的且危险率函数单调递增的分布,讨论了这种分布的各种性质,并给出了参数的极大似然估计.利用EM算法得到了参数所满足的迭代方程组以及极大似然估计的渐近方差-协方差阵.     

对数正态分布参数的精确估计及其应用

分析了两参数对数正态分布均值四种常见的估计方法,其中Gunnar Taradsen提出的修正极大似然估计优于其他三种估计.在此基础上讨论了总体m阶原点矩和m阶中心矩以及峰度的修正极大似然估计,而且提出总体的中位数、众位数和偏度不存在修正的极大似然估计,并用Mathematica 4.0对上海股票市场的大盘日成交量进行仿真分析,结果表明与理论推导完全一致.     

对数正态分布参数的精确估计及其应用

分析了两参数对数正态分布均值四种常见的估计方法,其中Gunnar Taradsen提出的修正极大似然估计优于其他三种估计.在此基础上讨论了总体m阶原点矩和m阶中心矩以及峰度的修正极大似然估计,而且提出总体的中位数、众位数和偏度不存在修正的极大似然估计,并用Mathematica 4.0对上海股票市场的大盘日成交量进行仿真分析,结果表明与理论推导完全一致.     

几种常用分布的总体均值方差的经验似然比置信区间估计

针对几种常见分布的总体在均值未知情况下,讨论了总体均值方差的联合经验似然估计,又利用均值的无偏估计量(-X)代替均值的情况下,给出了其方差的经验似然置信区间.     

异方差的估计与实证

"异方差"是微观计量建模中不可回避的问题,尽管计量经济学理论从残差项出发给出大量的检验方法,但对如何估计异方差则没有给出明确答案.从数据分布出发,认为极大似然法在估计异方差方面具有独特的优势.首先建立异方差的极大似然估计模型,然后对一实际调查数据进行异方差估计.     

两种统计框架下均匀分布参数估计的对比研究

在理论和模拟方面对均匀分布U (0,θ ) 参数θ 的Bayes 估计与极大似然估计进行对比研究. 首先将基于损失函数和共轭先验得到的Bayes 估计与极大似然估计在形式上进行对比,发现所得Bayes 估计不但在数值上略大于极大似然估计,而且还是参数的相应函数的极大似然估计;然后通过模拟研究两种估计方法对参数的返真性,结果表明所得的Bayes 估计的均方误差在大多数场合下都小于极大似然估计的均方误差.     

动态利率模型估计方法的一个实证检验

在分析广义矩估计法和极大似然法原理和方法的基础上，采用上海证券交易所国债回购利率数据对这两种估计方法在动态利率模型估计上的实证效果进行检验．为使其检验结果具有可比性，运用蒙特卡罗法产生仿真回购利率路径，然后对利率模型参数进行二次估计，所得结果就可用于对比评价这两种估计方法．检验结果表明，两种估计方法都能够比较准确地估计长期平均利率θ值，同时都过高地估计均值回复参数；对于波动项参数σ^2和γ值，MLE法的估计均值和标准误差要优于GMM法；总体上MLE法的估计误差明显小于GMM法的误差．     

正态总体均值与标准差比在树序约束下的最大似然估计

考虑3个正态总体均值和方差都是未知参数及所取的3个正态总体样本数不等时, 均值和标准差的比在树序约束下的极大似然估计. 根据PAVA算法的思想, 给出了均值和标准差的比在树序约束下的极大似然估计的计算方法.     

多个正态总体均值与标准差比在简单树序约束下的最大似然估计

考虑k(k>3)个正态总体均值与标准差(均值和标准差均未知)之比在简单树序约束下最大似然估计的求解问题, 应用保序回归理论给出了计算均值和标准差最大似然估计的迭代算法, 并证明了所给迭代算法是收敛的, 给出了k=7时利用迭代算法的模拟结果.     

威布尔杂波背景下的恒虚警检测

讨论了线性检波下威布尔杂波背景的恒虚警检测问题.对均匀杂波情形,由矩估计方法得到了参数估计的解析表达式,并分析了基于矩估计得到的恒虚警检测器的检测性能,结果表明:这种方法得到的估计参数的方差比由极大似然估计得到的要小,且基于此法的恒虚警检测损失比基于极大似然估计和次序统计量估计的也要小.对非均匀杂波情形,提出了贝叶斯恒虚警检测器,检测性能分析表明:贝叶斯恒虚警检测器的检测效果明显优于基于矩估计的恒虚警检测器,比基于极大似然估计和次序统计量估计的检测器效果好,且样本数越小效果越明显.     

排序集抽样下两样本相关参数的修正极大似然估计

排序集抽样是一种提高抽样效率的有效方法。然而,实际排序中不可避免会出现误差。这会对极大似然估计的结果造成一定的偏倚。文章基于排序集样本对传统的极大似然估计方程进行修正,讨论了修正的极大似然估计的性质,并进一步从渐进方差的角度说明了这一估计较传统方法更稳健。     

对数正态分布参数的精确估计及其应用

分析了两参数对数正态分布均值四种常见的估计方法,其中Gunnar Taraldsen提出的修正极大似然估计优于其他三种估计。在此基础上讨论了总体m阶原点矩和m阶中心矩以及峰度的修正极大似然估计,而且提出总体的中位数、众位数和偏度不存在修正的极大似然估计,并用Mathematica 4.0对上海股票市场的大盘日成交量进行仿真分析,结果表明与理论推导完全一致。     

艾拉姆咖分布均值比的Bayes估计及检验

给出艾拉姆咖分布在定数截尾场合下均值比k的极大似然估计;由"平均剩余寿命"的概念得到k的拟矩估计;取共轭先验分布给出k的经验Bayes估计、区间估计及假设检验;通过实例给出不同截尾样本下k的点估计和区间估计.     

异方差的估计与实证

“异方差”是微观计量建模中不可回避的问题，尽管计量经济学理论从残差项出发给出大量的检验方法，但对如何估计异方差则没有给出明确答案。从数据分布出发，认为极大似然法在估计异方差方面具有独特的优势。首先建立异方差的极大似然估计模型，然后对一实际调查数据进行异方差估计。     

多个正态总体均值与标准差比在简单树序约束下的最大似然估计

考虑k(k>3)个正态总体均值与标准差（均值和标准差均未知）之比在简单树序约束下最大似然估计的求解问题, 应用保序回归理论给出了计算均值和标准差最大似然估计的迭代算法, 并证明了所给迭代算法是收敛的, 给出了k=7时利用迭代算法的模拟结果.