1) moment estimator
矩估计量
1.
This article extends the moment estimator of the extreme-value index and proposes an extended moment estimator asIt s strong and weak consistency is proved and asymptotical distribution is derived.
本文对极值指数的矩估计量给以推广，提出一种新的估计量——推广的矩估计量： γ_(k，n)=M_n~(1)+1-(r-1)[r(1-(M_n~(1)M_n~(r-1))/(M_N~(r))]~(-1)主要证明了该估计量的相合性，得到了其渐近分布。
2.
Strong consistency and asymptotic normality of the moment estimator were proved.
利用矩方法和Bayes方法研究INGARCH(1,1)模型的参数估计问题,证明了矩估计量的强相合性和渐近正态性。
2) inverse moment estimation
逆矩估计量
3) Moment estimation
矩型估计量
4) extended moment estimator
推广的矩估计量
1.
This article extends the moment estimator of the extreme-value index and proposes an extended moment estimator asIt s strong and weak consistency is proved and asymptotical distribution is derived.
本文对极值指数的矩估计量给以推广，提出一种新的估计量——推广的矩估计量： γ_(k，n)=M_n~(1)+1-(r-1)[r(1-(M_n~(1)M_n~(r-1))/(M_N~(r))]~(-1)主要证明了该估计量的相合性，得到了其渐近分布。
5) traffic matrix estimation
流量矩阵估计
1.
Generalized regression neural network-based traffic matrix estimation
基于广义回归神经网络的流量矩阵估计
2.
With the exponential increase in the size of the IP network and the urgent demands in network management and maintenance, traffic matrix estimation has currently become an interesting topic.
随着IP网络规模指数式增长而带来的对网络管理和维护的迫切需求，流量矩阵估计已成为当前的热点研究问题。
3.
Finally, various factors is proposed, which should be considered carefully in improving the accuracy of traffic matrix estimation.
文中对现有的流量矩阵估计中几个最重要估计方法进行了分析和总结,指出它们的优点和缺陷,最后提出进一步估计流量矩阵所需要考虑的因素。
6) moment estimation
矩估计
1.
The improvement of moment estimation for the three-parameter Weibull distribution under censored samples;
在定数截尾样本下三参数威布尔分布的矩估计改进
2.
The sample breakdown point of a test for moment estimation of population variance;
总体方差矩估计检验的样本崩溃点
3.
The maximal moment estimation for dependent variables;
关于相依变量的最大矩估计
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条