渐近无偏矩估计量

给出了极值指数γ的一类渐近无偏的矩型估计量,当估计量中的上端顺序统计量的个数k取得较大时,其渐近方差比较稳定,并给出了k的选择.在估计量的偏度修正过程中,给出了二阶参数ρ的估计量.     

一类位置不变的极值指数估计量

本文提出了一类位置不变的重尾极值估计量，■其中：γ>0,k₀是小于k的正整数.得到了此位置不变极值估计量的弱相合性和渐近正态性，并根据其渐近展开式得到k₀的最优选择.     

上次序统计量个数的渐近最优选取

有关极值指数的估计方法不少,其中最著名的估计方法之一是Pickands型估计量.由于估计量都是基于次序统计量来构建的,所以估计量所包含的上次序统计量的个数的选取就是一个值得探讨的问题.基于作者曾经提出的一类新的Pickands型估计量,在一定的正则变换条件下,本文给出了该估计量的渐近展式,进而在渐近均方误差最小的准则下给出了上次序统计量个数的最优选取.     

一类正极值指标的截尾估计量

引入了一类位置不变的Hill型极值指数估计量，并证明了其弱相合性；在二阶正规变化条件下，得到了此类估计量的渐近正态性．     

分布函数上尾端点估计量的渐近性质

给出了当极值指标小于0时,分布函数F(x)的上尾端点估计量,并证明了该估计量的强相合性和弱相合性,给出了其强收敛速度,证明了渐近正态性,进而获得了分布函数F(x)的上尾端点的渐近置信区间.     

二参数Weibull分布形状参数β的渐近置信估计

通过对Weibull分布作变换,将对Weibull分布形状参数β的研究转化为对极值分布尺度参数σ的研究,利用极值分布的样本均值和样本方差,构造极值分布尺度参数σ的渐近正态估计量,进而得到Weibull分布形状参数β的渐近置信区间估计.     

负极值指标的Pickands估计

提出一类极值指数为负时的相似于Pickand's型的新的极值指数估计量,并建立它的相合性及渐近分布。     

极值指数之矩估计量的推广

对极值数之矩估计量作了进一步的推广，并证明了其强、弱相合性。     

一类Hill型估计量的收敛性

给出了极值指数为负时的一类新的Hill型估计量，并证明了它的相合性及渐近正态性．     

应用极值理论估计种群寿命

具有刻度和形状参数的Weibull分布经常刻画生物种群寿命和可靠性理论中元件寿命.通过极值理论分别提出刻度和形状参数的估计量,并且研究它们的相合性、渐近正态性.具有Weibull分布的平均寿命便容易估计和计算.     

一类分布的尾端点估计量的收敛性

在极值分布指数γ〈0时，给出了边际分布函数F（z）的尾端点估计量，并研究了此估计量的相合性、强收敛速度与渐近分布．     

计量经济模型中扰动项异方差性的一种检验方法

困扰计量经济建模的一个重要问题是模型中随机扰动项性质的设定。传统计量模型中均假定随机扰动项为高斯白噪声，而实际经济背景和数据经常不支持这一假定。应用极值理论，通过极值指数估计量，提出了一种可行的对异方差的检验方法。     

时间序列"肥尾"现象的统计检验

经验表明高频时间序列的分布常是“肥尾”型的,而非传统建模中的“薄尾”型的正态分布．为体现“肥尾”现象,ARCH类模型广泛应用于金融时间序列的建模中．使用极值理论和极值指数估计量的性质,在大样本的情况下得到序列分布“肥尾”现象的检验方法、     

重尾指数估计量及其伪估计量的渐近关系

将重尾指数估计量的随机门限替换为非随机门限,得到了伪估计量,然后建立了原始估计量和伪估计量之间的渐近关系.     

方差未知时两个正态总体均值序条件下的估计量

讨论了两个正态总体均值在序条件下的改进估计量,样本均值是期望的极大似然估计量,当期望满足序条件且方差未知时,用方差的极大极小估计量代替方差得到了关于期望的一类估计量,此类估计量改进了样本均值.     

基于删失数据估计医疗费用的新方法(英文)

为了基于删失数据更好的估计医疗费用均值,提出了一种与以往不同的估计方法,并且在Markov假设下根据这种方法给出了一种无偏的分层估计量.采用了几种不同的方法进行数据模拟,来比较这一估计量和其他几种估计量的表现,进而说明了这一估计量的优越性和稳健性.并且还说明了在不同情况下应选择何种估计量以达到最优效果.最后,讨论了这一估计量可能的改进措施以及这一方法在回归模型中的应用.     

一类概括化位置不变重尾指数估计

根据估计量γ(α)n(k)和统计量M(α)n(k0,k),提出一类概括化位置不变的重尾指数估计,在极值理论的二阶条件下,讨论新估计量的相合性与渐近正态性,及其关于α的均方误差。最后,在三种不同的分布函数下,分别模拟比较位置不变Hill估计,矩估计,新估计的均值与均方误差,新估计的模拟效果最好。     

Warner模型中的Jackknife方法

本文在二值敏感问题随机化调查的wamer模型中引入了Jackknife方法．构造了总体敏感属性比例的Jackknife估计量πJ并讨论了估计量的性质.进而构造了Jackknife估计量方差的估计量方差的估计量.对于一个人为总体计算得到通常估计和Jackknife估计的有关数值结果,说明了本文提出的方法在实际中是一个可用的方法．     

重尾分布中二阶参数的渐近无偏估计

基于统计量T_(n,k)(K),先提出二阶参数的有偏估计量,再通过2个有偏估计量的线性组合构造了一类二阶参数的渐近无偏估计.在二阶正则条件下,研究了估计量的相合性;在三阶正则条件下,研究了估计量的渐近正态性.最后通过模拟,在特定条件下,将此无偏估计量ρn,k(K~(1,2),α,t*(ρ,β))与Goegebeur提出的估计量ρ_(n,k)(K~(1,2),α_1,α_2,l)的均值和方差进行模拟比较,结果表明,提出的无偏估计量表现更好.     

Logistic扩散过程中漂移系数的序列极大似然估计

本文研究了logistic扩散过程中未知漂移参数的序列极大似然估计量的性质, 给出了序列估计量及其均方误差的显式表达式. 证明了该估计量是闭的, 无偏的, 一致正态分布的且强相合的. 最后用数值实验验证了理论结果.