关于用最大间距乘积估计极值分布的一个注记
统计理论
2007-06-13 v1 统计理论
摘要
最大间距乘积（MPS）被用于广义极值分布（GEV）和广义帕累托分布（GPD）的估计。对所有 ，MPS 都给出了有效估计量。这优于仅对 有效的最大似然方法。然后通过模拟研究说明，与最大似然估计（MLE）相比，MPS 给出的估计量更接近于真实参数。在样本量较小的情况下，MPS 表现稳定而 MLE 不稳定。MPS 估计量的表现也比概率加权矩（PWM）估计量更稳定。最后，作为 MPS 的副产品，对极值分布可使用一个拟合优度统计量，即 Moran 统计量。计算得到的 Moran 统计量的经验显著性水平与期望水平相符，令人满意。
引用
@article{arxiv.math/0702830,
title = {A note on the estimation of extreme value distributions using maximum product of spacings},
author = {T. S. T. Wong and W. K. Li},
journal= {arXiv preprint arXiv:math/0702830},
year = {2007}
}
备注
Published at http://dx.doi.org/10.1214/074921706000001102 in the IMS Lecture Notes Monograph Series (http://www.imstat.org/publications/lecnotes.htm) by the Institute of Mathematical Statistics (http://www.imstat.org)