均值似然估计量
统计理论
2016-11-04 v1 统计理论
摘要
讨论了使用Mathematica推导均值似然估计量。比较了最大似然估计量、均值似然估计量和基于Jeffrey无信息先验的贝叶斯估计，使用的准则是均方误差和Pitman接近度度量。基于这些准则，我们发现对于一阶移动平均时间序列模型，均值似然估计量优于最大似然估计量和带有Jeffrey无信息先验的贝叶斯估计量。Mathematica用于符号和数值计算以及结果的图形显示。一个Mathematica笔记本可从 http://www.stats.uwo.ca/mcleod/epubs/mele 获取，提供补充推导和代码，感兴趣的读者可以轻松使用该补充材料重现或扩展本文中的任何结果。
引用
@article{arxiv.1611.00884,
title = {Mean likelihood estimators},
author = {Ian McLeod and Benoit Quenneville},
journal= {arXiv preprint arXiv:1611.00884},
year = {2016}
}
备注
29 page, 10 figures