广义Pareto分布参数的最小二乘估计?

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.

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

分类号：O212.1(概率论与数理统计)

在线出版日期：2013-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：121-135