一类随机食饵-捕食者模型的参数估计

在离散观测的基础上,研究带有Leslie-Gower和Holling-typeⅡ型修正的随机食饵-捕食者模型的参数估计问题。首先,应用Euler-Maruyama(EM)方法对该过程的轨道进行离散化并给出其联合条件概率密度函数,进而得到伪极大似然估计方法下估计量的解析表达式。然后,证明了捕食者方程中估计量的强相合性和扩散项误差的渐近正态性。最后,通过数值模拟验证了估计方法的有效性。     

Lévy过程驱使的非线性随机微分方程的参数估计

用极大似然估计方法,考虑一类由Lévy过程驱使的非线性随机微分方程参数估计问题.首先,在连续时间观测下讨论当T→∞时,估计量的无偏性、渐近一致性及其渐近正态性;其次,在高频离散观测且有限活跃条件下,利用阈值法逼近连续鞅部分,得到当n→∞时,估计量的无偏性和渐近正态性;最后,通过给出数值模拟结果验证估计量的无偏性和渐近正态性.     

半参数广义线性模型的正则估计量及其有效性

讨论了一类半参数广义线性回归模型参数的正则估计及其有效性问题.在研究模型半参数的矩估计及其渐近性的基础上,利用正交空间、矩估计的性质和正交计算方法,给出了广义线性模型中未知参数的有效估计量的表达式.提出了回归参数有效估计量的特征描述方法,并给出和证明了参数估计量是有效正则估计量的充分必要条件.通过实例进一步解释和验证了所给出的方法和条件的有效性.     

最小Hellinger距离方法在扩散过程参数估计中的应用——基于转移密度的估计量

为了研究扩散过程的参数估计问题,本文基于最小Hellinger距离的定义给出了利用转移密度构造的参数估计量.首先定义了转移密度的非参数估计量并研究了它的性质(一致收敛性以及渐近正态性),然后通过最小化扩散过程的转移密度和该密度的一个非参数估计量之间的距离构造扩散过程的参数统计量,实现这一统计量的一致收敛性和渐近正态性.最后为了强调说明该方法的可行性,本文将这一方法应用于几何Brown运动和CEV模型这两个例子.     

响应缺失的部分函数型EV回归模型的统计推断

针对响应变量随机缺失且解释变量带有测量误差的部分函数型线性回归模型,讨论了模型中未知参数和未知系数函数的估计问题及其渐近性质;先通过一定方法对缺失数据和带有测量误差的数据进行处理,然后将模型转化为一般的函数型线性回归模型,再利用Karhumen-Loevez展开和主成分分析法给出模型的经验形式,最后运用经典的多元统计分析极小化目标函数得到相应未知量的最小二乘估计,并在一定的条件下给出了参数估计量的渐近正态性和斜率函数估计量的收敛速度;从而说明给出的估计量是有效估计,完全观测下的函数型数据统计推断方法可以被推广到不完全观测的情形。     

位置参数变点估计的收敛速度

对至多一个位置参数变点的模型,基于反对称核函数,运用累积和(cumulative sum,CUSUM)方法给出了变点的U统计量型估计量,并研究了变点估计量的相合性和收敛速度,同时也给出了局部对立条件下估计量的相合性.最后进行了不同样本容量和参数设置下变点估计的模拟分析,从直方图可以看出:变点位置越靠近中间位置,估计越精确.模拟结果显示所给出的估计量的有效性.     

函数型部分线性回归模型参数估计的注记

本文进一步研究了函数型部分线性回归模型中的参数估计问题,在模型中的随机误差项具有一定相关性的条件下,构造了模型中未知参数向量的估计量并且建立了估计量的渐近性质,如参数向量估计量的相合性及函数型参数估计量的收敛速度,并推广了现有文献中的相关结果,同时也构造了模型中误差协方差阵参数的估计量。     

复合二项分布下多险种的负风险模型

考虑了离散的复合二项分布下多险种的负风险模型.其中,保险公司的保费收入是一个负的常数,并且索赔过程为复合二项过程模型的多险种风险过程.通过构建有关索赔过程的期望方程给出了调节系数的定义,并通过鞅论得到了破产概率的Lundberg不等式(伦德伯格不等式),运用更新理论与递归的手法获得了破产概率的关系式以及破产概率确切的表达式.而且,最后根据破产概率的具体表达式给出了关于破产概率的一个极限值.     

INGARCH(1,1)模型参数的矩估计和Bayes估计

利用矩方法和Bayes方法研究INGARCH(1,1)模型的参数估计问题, 证明了矩估计量的强相合性和渐近正态性. 模拟结果表明, 两种估计量都得到了较好的结果.     

离散观测下平稳Ornstein-Uhlenbeck过程的Cramér-型中偏差

在离散观测下,考虑平稳Ornstein-Uhlenbeck过程漂移项中未知参数估计量的渐近性质。利用多重Wiener-It?积分的偏差性质与渐近分析的技巧,得到了估计量的Cramér-型中偏差。同时,对于一类假设检验问题,构造了适当的检验统计量以及拒绝域。利用本文结果,可以证明第二类错误以指数速度衰减到零,最后数值模拟验证了理论的正确性。     

次序统计量概率分布近似计算

用直方图估计量与核密度估计量分别对离散型次序统计量和连续型次序统计量的分布进行估计,讨论了估计量的均值及方差,给出了相应估计量的MC算法,并以Possion与Gamma分布为例进行模拟验证。结果表明MC算法具有较好的收敛速度而且是稳健的。     

带混合测量误差的线性回归模型的参数估计

在研究带测量误差的线性回归模型时常考虑的是classical测量误差或者Berkson测量误差,而classical和Berkson混合的测量误差研究较少.利用校正似然法讨论带classical和Berkson混合测量误差的线性回归模型的参数估计,并给出估计量的渐近分布.最后,通过R软件进行数值模拟验证估计方法的优良性.     

基于q-高斯过程下的带红利欧式期权定价

研究了q-高斯过程下带分红的欧式期权定价及参数估计问题.首先得到不同分红情形下的定价公式，对于按照红利率情形的分红问题，通过求解带分红的随机微分方程得到对应的欧式看涨期权的定价公式；对于离散分红的情形，通过构造套期保值策略，导出带有离散分红的期权定价公式.然后研究q-高斯过程中的参数估计问题.对于q,使用R/S分析法估计出Hurst指数H的值，再通过q与H之间的关系估计出q;采用矩估计得到μ,σ的估计量，并证明μ估计量的无偏性.最后进行模拟分析，并利用微软公司的股票价格以及期权价格进行实证分析.     

广义线性模型中不完全数据的参数估计

讨论了广义线性模型类中离散协变量和离散响应变量数据不完全时,参数极大似然估计的EM算法,文中给出了参数估计的具体表达式和估计的渐进协方差.最后,通过随机模拟说明EM算法的优良性.     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均，能有效提高参数估计的精度，在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果，本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先，利用B样条近似非参数函数，并通过极小化分位数损失函数来得出各候选模型的回归系数估计量，在局部误设定框架下推导了系数估计量的渐近分布；其次，基于候选模型中兴趣参数的估计构造出了模型平均估计量，并得出其渐近性质；最后，推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论，而且为兴趣参数构造了合适的置信区间。     

定时截尾情形下二项分布参数的估计

利用Jensen不等式和Slutsky定理,讨论了定时截尾情形下二项总体成功概率的极大似然问题,证明了估计的强相合性和渐近正态性,给出了估计的进一步渐进性质.其结果对于其他的离散型总体参数估计方法具有普遍的实际意义.     

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.     

同纲估计

本文利用“量纲”的特征,揭示了统计模型中未知参数与其估计量之间的一种内在联系,进而给出了参数估计量应满足的一个必要条件。     

市场预测中的缺失数据问题

本文建立了问卷调查法的数学模型，给出了该模型的参数估计并讨论了估计量的大样本性质。     

随机模拟验证相合性

对于新提出的统计方法,通常需要通过计算机模拟验证其可靠性和有效性。本文以正态分布中未知参数的点估计为例,通过随机模拟的方法来评估性地证明传统参数估计的矩估计方法得到的估计量是真值的相合估计。