共查询到20条相似文献，搜索用时 31 毫秒
1.
逐步二型删失数据在生存分析中的应用较为广泛,因此在逐步二型删失数据下推导了广义Pareto分布中的尺度参数的极大似然估计与Bayes估计的估计形式,并在平方损失函数下,基于MCMC方法与Lindley近似法,给出了广义Pareto分布尺度参数的Bayes估计.结果表明：贝叶斯估计方法优于极大似然估计方法,MCMC后验抽样下的Bayes估计优于Lindley近似方法. 相似文献
2.
广义Pareto分布(Generalized Pareto Distribution,简称GPD)是统计推断中重要的一个分布,其目前在诸多领域得到广泛的应用.GPD的参数估计方法有多种,但各种方法及估计效果一般都受到形状参数k的限制,总结几种常用的参数估计方法,如:矩估计(the method of moments,简记MOM)、最小二乘估计(the least squares estimation,简记LSE)、基于分位数估计(the elemental percentile method,简记EPM)、近似广义最小二乘估计(AGLSE)等,通过模拟研究,得出不存在一致最优的参数估计方法.而在k较大时,LSE在GPD参数估计中模拟效果较为理想,特别当k1/2时,AGLSE对k的估计精度较高. 相似文献
3.
基于逐步Ⅱ型删失数据，假设在每一阶段退出试验的样品是随机的情况下，对BurrⅢ分布中的形状参数进行估计。定义了BurrⅢ分布形状参数的极大似然估计、EM估计和贝叶斯估计三种估计方法的估计式。同时，给出了EM估计的近似置信区间与贝叶斯估计的HPD置信区间。此外，利用Monte-Carlo模拟，对上述三种估计方法的效果进行了对比分析。模拟结果表明，在均方误差(MSE)准则下，贝叶斯估计优于EM估计，更优于极大似然估计，同时两种置信区间的区间长度近似。 相似文献
4.
5.
李艳颖 《廊坊师范学院学报(自然科学版)》2009,9(3):16-19
Pareto分布是意大利经济学家Pareto将其作为一种收入分布介绍的,一个多世纪以来,它不仅在经济收入模型中得到应用,而且在更广泛的应用领域中也越来越受到重视。对Pareto分布主要作了以下两方面的工作：（1）在平方损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。（2）在熵损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。 相似文献
6.
文中证明了泊松分布中未知参数的矩估计和最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该经典估计的结论. 相似文献
7.
李艳颖 《河北职业技术学院学报》2009,(3)
Pareto分布是意大利经济学家Pareto将其作为一种收入分布介绍的,一个多世纪以来,它不仅在经济收入模型中得到应用,而且在更广泛的应用领域中也越来越受到重视。对Pareto分布主要作了以下两方面的工作:(1)在平方损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。(2)在熵损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。 相似文献
8.
基于垂直密度表示理论,分析ParetoⅡ型分布的厚尾性,给出ParetoⅡ型分布参数的矩估计并得到其强相合性,给出基于样本分位数的ParetoⅡ型分布的参数估计并得到其强相合性． 相似文献
9.
对Pareto分布主要作了以下的工作: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_口J容许. 相似文献
10.
在平方损失函数和熵损失函数下,文中讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下不同先验分布的两个Pareto总体的Bayes估计的精确形式,同时证明了该估计是可容许的. 相似文献
11.
12.
贝叶斯归纳是通过后验概率的贝叶斯定理或从相关先验分布的密度分布,以获得新信息的运算。它以在两个"估计"过程中对贝叶斯归纳的成功运用,回应了所谓"主观性"不能在标榜"客观性"的科学过程中出现的质疑。平稳估计也称稳健性估计,保证贝叶斯估计相对于先验分布的相对独立性,无需为了做一个既准确又精确的贝叶斯估计付出巨大的准确度和精度方面的代价。通过对证据的刻画、对抽样的分析以及对因果假设的检验等分析认为:该研究避免了经典方法中对结局空间及停止规则等依赖的贝叶斯归纳方法,是一种与直观相吻合的、科学的推理方法。 相似文献
13.
14.
针对非高斯分布的测量噪声、野值点或未知时变的噪声统计特性导致SLAM定位方法的量测更新中状态估计不正确甚至不收敛的问题,提出一种基于改进变分贝叶斯滤波的鲁棒SLAM定位方法.首先,利用变分贝叶斯自适应滤波算法对时变的测量噪声协方差进行估计.然后,通过重加权平均构建的权重函数对估计的协方差矩阵进行鲁棒化处理.最后,对系统状态更新进行多次迭代,逐步修正其估计误差.同时,为了观测到不同深度的特征点,构建了包含深度参数的特征测量模型.实验结果表明,当量测噪声不服从高斯分布且量测信息中有野值点时,与基于变分贝叶斯自适应卡尔曼滤波的SLAM方法相比,所提方法的定位精度分别提高了17.23%、20.46%和17.76%,说明该方法对环境干扰具有更好的适用性和鲁棒性. 相似文献
15.
16.
17.
18.
在P,Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计.当先验分布为伽玛分布时,给出估计的精确形式.最后证明了其容许性. 相似文献
19.
本文讨论了线性模型当随机误差为位置分布族时参数的同变估计,并给出了最优同变估计(MREE),结果表明线性模型参数的最优同变估计与最小二乘估计是一致的. 相似文献
20.
研究目的：创新要点：研究方法：重要结论：采用广义估计方程模型对存在时间相关件的事故频次数据进行建模,并与传统广义线性模型的估计效果进行对比。
通过广义估计方程来考虑事故频次建模中数据的时间相关性,从而提高参数估计准确度以及模型预测精度。基于4年高速公路交通事故频次数据,建立考虑时间相关性的广义估计方程以及传统的广义线性模型,并采用统计指标对模型效果进行对比。1．事故频次数据样本最对预测精度影响很大;2．广义估引方程能够有效考虑事故频次数据中存住的时间相关性;3．广义估计方程的参数估计比传统广义线性模型史准确,且精度更高。 相似文献