广义Pareto分布参数的最小二乘估计?

• 作者: 程维虎 陈海清
• 来源期刊: 应用概率统计
• 学科: 数学
• 关键词: 广义Pareto分布 矩估计 概率加权矩估计 最小二乘估计 L矩估计 基于分位数估计
• 年，卷（期）: 2013,（2）
• 页码范围: 121-135
• 分类号: O212.1
• 字数: 6157字
• 语种: 中文

摘要

传统的广义Pareto分布(Generalized Pareto Distribution,简记GPD)的参数估计一般受分布形状参数的约束.如:矩估计(the Method of Moments,简记MOM),概率加权矩估计(the Probability Weighted Moments,简记PWM), L矩估计(简记LM),极大似然估计(Maximum Likelihood Estima-tion,简记MLE)等.本文利用GDP可转化成指数分布的事实及指数分布参数估计的结果,利用最小二乘(the Least Squares,简记LS)法,得到了两参数和三参数GPD的参数估计;给出了估计量具有渐近正态性的结果.估计方法不受分布形状参数的限制.模拟显示:本文提出的估计在某些常用条件下优于GPD的其他参数估计,如MOM, PWM, LM,以及基于分位数估计(the Elemental Percentile Method,简记EPM)等.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程维虎	北京工业大学应用数理学院	43	260	9.0	14.0
2	陈海清	贵州师范学院数学与算计机科学学院	1	9	1.0	1.0