关于三参数Pareto分布的参数估计问题

在逐步增加首失效截尾样本下,研究三参数Pareto分布族形状参数的一致最小方差无偏估计(UMVUE),在对称平方损失函数下,讨论其Bayes估计和参数型经验Bayes(PEB)估计;按照均方误差(MSE)准则,比较UMVUE与PEB估计的小样本性质;根据形状参数的风险,导出其Bayes估计与PEB估计的大样本性质,并获得它们的收敛速度o(n-1)。     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

线性失效率模型的参数估计

该文研究了在定数截尾样本下线性失效率模型中参数的点估计问题。用逆矩估计、最小二乘估计方法分别求未知参数λ     

基于IPSO算法的KK分布模型参数估计

目的 提出一种IPSO (Improved Particle Swarm Optimization)算法,估计服从KK分布的海杂波建模参数,以改善复杂海况下海杂波幅度统计模型的建模精度。方法 通过设计目标损失函数、更新公式等方法,获得了IPSO算法,然后利用IPSO算法对模型参数进行最优或次优取值估计。结果与结论仿真和实测海杂波数据集实验表明,所提方法克服了KK分布的多参数难于通过解析法求解参数的问题,有效解决了非线性分布海杂波模型的重“拖尾”拟合精度偏低的问题,且该算法能够更快地收敛到理想取值。     

基于收缩估计法的广义Pareto分布参数的估计

由于广义Pareto分布在金融和保险等领域的广泛应用,对于该分布的统计推断成为研究的热点.将在参数的先验分布为倒伽玛分布条件下研究广义Pareto分布参数的Bayes估计问题,并在平方误差和LINEX损失函数下,导出了参数的Bayes估计和Bayes收缩估计.文末给出了Monte Carlo数值模拟试验和结论.     

双边定数截尾下Pareto分布的Bayes估计

基于双边定数截尾样本,在LINEX损失函数和复合LINEX损失函数下,考虑无信息先验分布与共轭先验分布,讨论Pareto分布的形状参数的Bayes估计,并对各条件下参数的估计进行数值模拟比较分析。结果表明,在不同损失函数下,取共轭先验分布时参数的估计优于无信息先验分布下的估计,且在LINEX损失函数下,先验分布取Γ分布时,参数估计的均方误差较小,估计的效果更好。     

Pareto分布形状参数的估计及其不变性

在Bayes理论框架下,用加权p,q对称熵损失函数研究了Pareto分布形状参数在刻度参数已知的情况下的Bayes估计的形式和性质,讨论了形状参数的Bayes估计的可容许性,最后证明了形状参数的Bayes估计和可容许估计具有不变性.     

线性模型中参数估计的一个新的相对效率

对于线性模型ｙ＝Ｘβ＋ε,Ｅ（ε）＝０,ＣＯＶ（ε）＝σ＾２∑〉０,我们定义了一种新的相对效率,并研究了它与其它相对效率的关系,以及给出了它的一个下界。     

Pareto分布在定时截尾样本下的估计问题

在定时截尾样本下研究两参数Pareto分布的参数估计,并计算它们的条件期望和方差;用数值模拟的办法验证所得估计的优劣,结果显示它们都是近似无偏估计(AUE),且具有较好的稳定性;与相应的定数截尾样本下的估计相比较,它们的相对平均误差小。     

基于改进MLE-NR方法的杂波Weibull分布模型参数估计

为了解决传统最大似然-牛顿拉夫森(MLE-NR)方法需要谨慎地选择初始值保证迭代过程收敛的问题,该文提出了一种针对杂波韦布尔(Weibull)分布模型的参数估计方法。首先计算迭代点处的海森(Hessian)矩阵,然后根据海森矩阵的值,不断调整迭代过程中的发散点或错误的初始迭代点,使发散的迭代过程重新收敛,从而正确地估计模型参数。针对长度为256、512、1 024、2 048、4 096的随机样本数据,分别进行了N=500的蒙特卡洛(Monte-Carlo)仿真,仿真结果证明了该文方法的收敛性。蒙特卡洛仿真结果和基于实测样本的处理结果说明了该文方法的有效性和鲁棒性。     

Pareto分布参数的Bayes估计

文章主要研究了Pareto分布的参数估计。在平方损失函数下给出了Pareto分布参数的Bayes估计,并且证明了这一估计是可容许的。在Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计。     

MERSS下Pareto分布刻度参数的估计

研究了动态极值排序集抽样(MERSS)下帕累托(Pareto)分布里刻度参数（a,c)的极大似然估计(MLE)和Fisher信息量.证明了MERSS下c参数MLE的存在性和唯一性,MERSS下c携带的Fisher信息量大于简单随机抽样(SRS)下携带的Fisher信息量.     

广义帕累托分布的应力-强度可靠性的贝叶斯估计

基于不同形状参数的广义帕累托分布,讨论应力-强度参数的贝叶斯估计.通过模拟得出在平方损失函数和0-1损失函数下的贝叶斯估计值比较相近;有先验信息条件下的贝叶斯估计的均方误差值低于无信息先验条件下的贝叶斯估计的均方误差值.     

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.     

比估计方法下Eichhorn and Hayre模型的参数估计

研究了比估计方法下Eichhorn and Hayre模型的参数估计,通过效率比较,证明了比估计方法下Eichhorn and Hayre模型的参数估计精度优于Eichhorn and Hayre模型的估计精度.     

时空相关杂波下多目标步进频参数估计

提出了时空相关复合高斯分布海杂波下步进频雷达运动目标参数估计的方法.根据复合高斯分布杂波的散斑分量与纹理分量的分布特性,推导出步进频体制高分辨雷达的运动目标距离与速度的最大似然估计;提出目标误差函数的定义,基于目标误差函数最小化的准则,通过对距离进行搜索找到距离的估计值,并通过距离的估计值,求解出速度的最优最大似然估计值.仿真实验表明,该方法可以有效地估计出时空相关复合高斯分布海杂波背景下的步进频运动目标距离与速度参数.     

基于变压器参数修正的变电站状态估计

常规变电站状态估计中电压或无功的误差普遍比较大,其中一个原因是模型的参数不准确．通过变压器参数引入状态量或同时引入状态量及量测量的方法,来建立变电站状态估计的模型,并对这2种模型及权值变化对状态估计精度的影响进行分析,得到如下结论：如仅将参数作为状态量而不加约束,可以使实际量测量的估计精度大幅提高,但导致参数估计值误差过大;只有将参数同时作为状态量和量测量,并对权值进行适当调整,才能兼顾实际量测量和参数的估计精度,得到更有实用价值的状态估计结果．     

动力学参数估计的频域方法

本文讨论以谱估计为基础的动力学参数估计方法。它一般包括两步估计算法．即首先由线性系统的输入－输出信号估计其谱密度函数．再由第一步得到的频率响应数据估计系统的传递函数参数。文中从统一形式的性能指标出发，选用不同的加权项而导出不同的频率特性曲线拟合算法，如线性化算法、迭代法、非线性最优化方法以及基于若干基本环节的顺序迭代算法。文中还介绍了这种算法的几个应用实例。这种频域方法适用于一般线性系统的实验建模．具有通用性。     

杂波下频率步进信号参数设计及处理算法研究

针对杂波环境下目标检测与成像问题,给出了频率步进信号参数设计的约束条件与优化准则,分析了帧间脉冲多普勒处理的测速性能,深入研究了在频域上进行杂波抑制、回波补偿及合成高分辨的处理方法. 基于实际的雷达系统参数进行了计算机仿真,结果表明该算法可有效提取杂波环境下的微弱运动目标信息,并合成了正确的一维高距离分辨像,且抗噪声性能好,运算量小,工程易实现.