基于收缩估计法的广义Pareto分布参数的估计.pdfVIP

第28卷 第2期 长 沙 大 学 学 报 V0I．28 NO．2 2014年 3月 JOURNALOFCHANGSHA UNIVERSITY Mar．2014 基于收缩估计法的广义 Pareto分布参数的估计 陈兆仁 ，刘婉贞 (1．湖南师范大学工程与设计学院，湖南 长沙 410081； 2．长沙职业技术学院，湖南 长沙410010) 摘 要：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MonteCarlo数值模拟试验和结论． 关键词：广义Pareto分布；Bayes估计；收缩估计；损失函数 中图分类号：0212．8 文献标识码：A 文章编号：1008—4681(2014)02—0001—04 广义Pareto分布(GPD)自Piekands1【1提出以来 分布 ： 被广泛地应用于金融、保险、灾害预测等诸多领域． 关于其统计推断研究引起了很多学者的关注．Ras。 ㈤：』 1+ ，≠。 【 1 一 e一 ：0 mussen2【提出了GPD参数估计的广义概率加权法； ， 赵旭等 针对截尾样本提出了GPD参数估计的广 其中卢0．且当 ≥0时， ∈[0，∞)；当 0时， 义有偏概率加权矩法；Ashkar等 对以前学者提出 ∈Eo，一 ]．于是本文接下来的研究中只考虑参 的最大似然估计法、矩估计法、概率加权矩估计法 以及广义概率加权矩估计法进行回顾总结，发现这 数 0的情况．令 =一 ， = ，则此时两参数 些方法在形状参数为正值时，广义 Pareto分布参数 GPD分布变为： 常有一个上界值．特别是在处理洪水数据时，这种 情况常出现，以往的方法得到的估计值常高出这个 G()=1一(1一詈)，0 (2) 上限值，于是其利用MonteCarlo数值模拟对几类估 其中 ， 0为参数． 计方法进行比较，进而提出了一些建议．在工程实 本文将在 已知的情况下，在参数 0的先验分 践中，很多学者意识到将有关未知参数的先验知识 布为倒伽玛分布的条件下，研究在平方误差损失、 融入到参数的估计中将能改善原有的估计，如收缩 LINEX损失函数下广义Pareto分布参数的Bayes收 估计．ThompsonL5提出了估计总体均值参数的如下 缩估计问题． 收缩估计： 1 预备知识 ：后 +(1一 )0o，0≤k≤1 (1) 这里 为参数先验值， 称为Thompson型估 引理 1 设X。， ，…，X 为来 自广义 Pareto分 计．关于收缩估计的更多的研究参见文献 [6—8]． 布(2)的简单随机样本，记X =(。， ，…，以)，t 基于收缩技术研究GPD参数估计问题还未见有文 献讨论，因此本文讨论 GPD参数的Bayes收缩估计 = 一 毫ln(1一)为=一耋ln(1一軎)的样本 问题．由于在 实际中用的最多的是两参数 GPD 观测值 ，设参数 0的先验分布为逆伽玛分布 (． 收稿 日期：2013—12—18 作者简介：陈兆仁(196