Pareto分布在定时截尾样本下的估计问题.PDFVIP

Pareto分布在定时截尾样本下的估计问题.PDF

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Pareto分布在定时截尾样本下的估计问题

第第3838 卷卷第第33 期期 VVooll.38.38 NNoo.3.3 井井冈山大冈山大学学学学报报(( 自然自然科学科学版版)) 年年55 月月 MMaayy.JouJournralnalofofJiJninggggananggshshananUUnniviveresristiyty(N(Natauturalral ScScieienncece)) 16 6 井冈山大学学报( 自然科学版) 文章编号:1674-8085(20 17)03-0006-07 Pareto 分布在定时截尾样本下的估计问题 * 1 2 1 刘荣玄 ,邬四英 ,王新长 (1.井冈山大学数理学院,江西,吉安343009 ;2 井冈山大学计划财务处,江西,吉安 343009 ) 摘 要:在定时截尾样本下研究两参数Pareto 分布的参数估计,并计算它们的条件期望和方差;用数值模拟的办 法验证所得估计的优劣,结果显示它们都是近似无偏估计(AUE) ,且具有较好的稳定性;与相应的定数截尾样本 下的估计相比较,它们的相对平均误差小。 关键词:两参数Pareto 分布;定时截尾;近似无偏估计 中图分类号:O2 12.8 文献标识码:A DOI:10.3969/j.issn.1674-8085.2017.03.002 PARAMETER ESTIMATION OF PARETO DISTRIBUTION UNDER TYPE ⅠCENSORING * 1 2 1 LIU Rong-xuan , WU Si-ying ,WANG Xin-chang (1. School of Mathematics and Physics, Jinggangshan University, Ji’an, Jiangxi 343009, China ; 2. Department of Financial, Jinggangshan University,Ji’an,Jiangxi 343009,China) Abstract: The parameter estimators of the shape and the scale parameter of Pareto distribution are studied under type censoring. The conditioning expectation and variance of these parameter estimators are calculated. The results of numerical simulation demonstrate that these estimators are asymptotic unbiased. The relative average errors of these estimators are lower than the counterpart under type Ⅱcensoring. Key words: Pareto distribution; type censoring; asymptotic unbiased estimator 形状参数的最小风险同变估计、Bayes估计以及可 1 问题提出 容许与不可容许估计,并给出了形状参数的一个最 小最大估计;文献[3]基于逐步首失效样本,研究了

文档评论(0)

tangtianxu1 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档