重尾分布研究及应用

发布时间：2021-08-18 09:01

　　重尾分布广泛地遍布在许多生活、科学等高频时间序列数据的领域中,像经济、保险、词频等领域的数据分布差不多都符合重尾分布的特征。由于重尾分布的尾部会携带大量的重要信息,因此正确地描述重尾分布函数,是获得这些信息的关键所在。像金融数据中的股票数据则需要进行极值现象的分析与评估,以进一步防止极端的现象出现,这可能会导致广大股民和公司经营以及社会的经济受到不可挽回的影响。本篇论文详细地分析与比较基于极值理论的重尾分布理论及重尾估计方法,并根据它们各自的优缺点提出了新的重尾估计方法以及在新的领域进行实验与应用。Hill估计在重尾分布的尾指数估计理论中是十分重要的估计方式,但是它仍旧不可避免地存在着缺点。我们在本文中基于Hill估计并适当地提出了Hill估计的改进方法Av Hill估计方法,该方法成功地降低了Hill估计的方差,并对其利用Matlab R2014B进行仿真研究。从整体上看,Av Hill方法在重尾估计方法中要优于Hill估计方法。并将Hill估计与Av Hill估计共同应用于词频统计数据领域,通过对词频领域的应用,我们发现Av Hill估计要优于Hill估计。在Hill估计和Av H... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：46 页

【学位级别】：硕士

【部分图文】：

AvHill估计在1,{,,1250}knkavHk≤≤图像，α=0.45

Hill估计在1,{,,1500}knkHk≤≤中，α=0.45Fig.3-1ThedrawoftheAvHill'sestimtorinFig.3-2ThedrawoftheAvHill'sestimtorin

AvHill估计在1,{,,1250}knkavHk≤≤中，α=1.4

【参考文献】：
期刊论文
[1]基于超拉普拉斯先验的图像非盲解卷积[J]. 李福燚,王彩霞,刘鹏,王晓曼.  长春理工大学学报(自然科学版). 2017(05)
[2]基于block bootstrap的厚尾相依序列均值变点检验[J]. 秦瑞兵,杨晓琴.  贵州师范大学学报(自然科学版). 2017(05)
[3]政务微博网络结构特征研究——以重庆市为例[J]. 蹇洁,张英培,刘雪艳,叶芯彤.  现代情报. 2017(07)
[4]一类位置不变重尾指数估计[J]. 李彤彤.  陕西科技大学学报. 2017(03)
[5]移动业务特征认知及其分布模型:以即时消息为例[J]. 李荣鹏,赵志峰,张宏纲,钟晓峰.  中国科学:信息科学. 2017(05)
[6]基于多正则化约束的图像去运动模糊[J]. 符颖,吴锡,周激流.  工程科学与技术. 2017(03)
[7]基于Lp稀疏正则的图像去模糊方法研究[J]. 彭鸿,闫敬文,林哲.  汕头大学学报(自然科学版). 2017(02)
[8]方差可能无穷的“中度偏离”单位根过程的复合分位数估计[J]. 倪佳林,傅可昂.  高校应用数学学报A辑. 2017(01)
[9]优先关联的Web日志数据逼真生成算法[J]. 丘志鹏,肖如良,张锐.  计算机系统应用. 2017(03)
[10]基于对数累积量的重尾分布脉冲干扰参数估计及性能分析[J]. 王亢,贡毅,徐志江,卢为党,华惊宇.  中国科学:信息科学. 2017(02)



本文编号：3349593