1) tail estimation
尾部估计
1.
This paper starts from extreme value theory and investigates the method of tail estimation of loss distribution through the automobile traffic accident loss data of Shanghai Hongkou region for year 2003.
本文从极值理论的角度出发,以上海市虹口区2003年的汽车交通事故损失数据为样本,探讨了损失分布的尾部估计方法,并利用该地区2006年的汽车交通事故损失对结论进行了验证。
2) truncating estimation
截尾估计
1.
We proposed a new method of truncating estimation when the means are known,which can weaken the influence of outliers.
在均值已知的情况下,提出变点的截尾估计方法,以消除厚尾随机变量序列中较多“奇异”点对估计结果的影响；在方差无穷的情形下推广了Hájek-Rényi型不等式,并由此得到变点估计的相合性和收敛速度。
3) endpoint estimator
尾端点估计
1.
In this paper,the authors give the endpoint estimators of a distribution func- tion F(x)as the extreme value index (?)<0.
当极值指标小于0时,本文给出了分布函数F(x)的尾端点估计量,证明了该估计量的强相合性和弱相合性;在二阶正规变化条件下,通过限制正规变化函数的收敛速度,给出了强收敛速度,证明了渐近正态性,进而可以构造F(x)的尾端点的渐近置信区间。
4) inequality of the tail probability
尾概率估计
1.
The estimate inequality of the tail probability is very useful in the discussion of the character of a Wiener Process.
本文将给出了这类不等式的一个推广，并进一步扩充到了二维维纳过程的尾概率估计，期望可以进一步讨论关于Wiener过程的增量。
5) partial estimation
部分估计
1.
Using variance revising method to determine sample capacity in partial estimation;
部分估计中用方差修正法确定的样本容量问题
6) local estimate
局部估计
1.
In this paper,the authors improve the coefficient s of the local estimates on harmonic functions’ derivatives from Ck =(2 n+1nk)kα(n) to Ck =(n+k) n+kα(n)n n-k , k∈N, by employing induction and mean-value formulas for harmonic func tions and by looking for the maxima of functions.
本文利用归纳法和调和函数的平均值公式,并通过寻求函数的最大值,把调和函数k阶偏导数的局部估计式的系数由Ck=(2n+1nk)k/α(n)缩小到Ck=(n+k)n+k/α(n)nn-k。
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