MA(q)-模型参数的极大似然估计

讨论在地震记录反演问题中被广泛采用的MA(q)-模型的参数极大似然估计,并采用最陡下降法来求其近似解.通过模拟试验证实此算法是有效的.     

ARCH(0,q)模型参数M-估计的渐近性质

在一个新的准则函数下,用遍历性定理证明了自回归条件异方差模型ARCH(0,q)参数的M-估计的相合性,并用鞅中心极限定理给出了该模型M-估计的渐近正态性.     

MA(q)模型的经验欧式似然估计的强相合性

构造了一类MA(q)模型的经验欧式似然比统计量,利用拉格朗日乘子法,得到了参数的经验欧式似然估计,并在一定条件下进一步讨论参数估计的强相合性.     

一个整值ARCH(p)模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断. 利用经 验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性 .     

MA（q）—模型参数的极大似然估计

讨论在地震记录反演问题中被广泛采用的ＭＡ（ｑ）－模型的参数极大似然估计，并采用最陡下降法来求其近似解，通过模拟试验证实此算法是有效的。     

一个整值ARCH（p）模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断.利用经验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性.     

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。     

NEAR(p)模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好; 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

序约束下AR(2)模型参数的拟似然估计

在约束条件下利用拟似然估计方法对AR(2)模型的参数进行统计推断,研究了拟似然估计(α)和约束拟似然估计(α)*的相合性及渐近正态性,并给出了AR(2)模型参数序关系的假设检验方法及模拟结果.     

多变量密度函数的小波估计

本文给出并证明了多变量密度函数的线性小波估计的几个统计性质.基于多变量小波变换,本文主要讨论了多变量密度函数的线性小波估计.在Besov空间中,给定条件下,得到了线性小波估计的几个统计性质,本文并且给出了这些统计性质的证明.     

ARCH(0,p)模型的参数估计

ARCH模型中的未知参数很多,本文利用Monte Carlo最优法对ARCH(0,p)模型和ARCH(0,1)模型中的未知参数进行估计。     

多维MA(q)模型的h步适时递推预测

讨论了新息递推算法的理论和方法,将新息算法运用于多维MA(q)模型的预测问题,利用有穷观测值导出并证明了多维MA(q)模型的h步适时递推预测公式.     

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。     

整合发放神经元模型突触输入参数估计

文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入参数。结果表明:最小二乘估计仅适合阈下活动的参数估计,而对阈上活动无效;极大似然估计适用于神经元放电的阈值行为;无论是从适用范围还是估计精度来说,极大似然估计都要优于最小二乘估计。     

辅助变量法在ARMA(p,q)模型参数估计中的应用

本文将系统辨识中的辅助变量法通过修正应用于ARMA（p,q）模型中来解决自回归部分的参数估计问题,并利用辅助变量的性质及时间序列的平稳性证明了估计量φ为真实参数φ的相容性估计以及φ具有渐近正态分布的性质。     

图的L(p,q)-标号问题

令G为图,p,q为2个正整数,p≥q。G的一个L(p,q)-标号是映射f:V(G)→{0,1,2,…},使得对任意x,y∈V(G),若dG(x,y)=1则|f(x)-f(y)|≥p;若dG(x,y)=2则|f(x)-f(y)|≥q。G的一个m-L(p,q)-标号是标号f:V(G)→{0,1,2,…},使得对任意x∈V(G),有f(x)≤m。并称λp,q(G)=min{m|存在G的一个m-L(p,q)-标号}为图G的L(p,q)-数。本文给出k-退化图、G1和G2的联图G1∨G2及G1和G2的M-matched sum图G1M G2的L(p,q)-数不同上界。最后给出仙人掌图,唯一圈图L(p,1)-数λp,1(G)的可达界。     

关于全平面上收敛的B-值Dirichlet级数的(p,q)(R)型和下(p,q)(R)型

通过把B-值Dirichlet级数在全平面上的(p,q)(R)型和下(p,q)(R)型转化为Dirichlet级数在全平面上的(p,q)(R)型和下(p,q)(R)型,结合相应的Dirichlet级数的结果,得出了关于B-值Dirichlet级数在全平面上的(p,q)(R)型和下(p,q)(R)型的相应结果.