论文部分内容阅读
广义Logistic分布(Generalized Logistic Distribution,GLD)是Logistic分布的推广。通过引入形状参数使其成为有偏分布,能更有效地拟合实际数据。该分布已在众多领域得到广泛应用。GLD有五种类型。论文主要研究应用最广的三参数Ⅰ型广义Logistic分布(Type Ⅰ of Generalized Logistic Distribution,GLDI)。 论文主要研究GLDI的参数估计,分四个部分:第一部分介绍GLDI的研究意义及国内外研究现状;第二部分介绍GLDI的定义及性质;第三部分,将矩方法及广义矩方法(如概率加权矩估计,L-矩估计,TL-矩估计)应用于GLDI的参数估计,给出各种矩方法的存在性与唯一性及其证明。利用蒙特卡洛方法,将各种矩估计进行比较;第四部分:给出GLDI的极大似然估计、分位数估计以及混合估计等,并进行模拟研究。 特别地,在梳理总结各种估计方法优缺点的同时,考虑了各种矩估计的存在性、唯一性,以及大样本性质。利用分位数估计方法研究GLDI的参数估计的文章目前尚未查到,本文利用条件极大似然(Expectation-Conditional Maximization,ECM)算法给出GLDI分布参数的分位数估计。此外,还对极大似然估计方法进行了推广,利用极大似然估计和分位数估计做混合估计,对分布的位置参数和刻度参数的估计进行改进,得到一种较优的估计。本文还利用递推算法给出GLDI次序统计量的期望、方差和协方差的计算方法。最后,给出不同样本容量下各种估计量的模拟研究结论,对比研究各种估计方法的估计效果。