Pareto型尾指数回归
【文章页数】:55 页
【学位级别】:硕士
【部分图文】:
图4.3?n?=?800时,对l/o^x)的估计??阈值数据,也就是我们用来估计尾指数信息的有效数据量?而窗宽心利用Ndao(2015)lMl文??中采用的交叉验证方法选取最优窗宽-??如图4.1,图4.2,图4.3所示,实线表示的是7i(?)?=?的真实值,虚线表示的是我们??
?100??X??图4.1?n?=?300时,对1/〇^(〇:)的估计??o.e-L,???,??????C.0C>?&.25?0.50?075?T.0S??X??图4.2?n?=?500时,对l/o^x)的估计??5.C-L-??■?????^??ooa?0.25?0.50?D....
图4.5?n?=?1000时,对I/qhOe)的估计??如图4.4,图4.5所示,实线表示idee)?=?的真实值,虚直线是用局部似然方法做出??WanTsaiV?=.
X??图4.5?n?=?1000时,对I/qhOe)的估计??如图4.4,图4.5所示,实线表示idee)?=?的真实值,虚直线是用局部似然方法做出??的估计值,虚点线是用Wang和Tsai的方法做出的估计值,并且重复次数iV?=?200.可以看??出,当n?=?500时,区间一....
图4.6有效删失比例为33.3%时,对l/ai(x)的估计??
X??图4.6有效删失比例为33.3%时,对l/ai(x)的估计??如图4.6、图4.7、图4.8所示,实线表示的是7i⑷=&的真实值,虚线表示的是用??本文的方法做出的估计值.可以看出,我们的估计和真实值的曲线形状相符合,并且偏差较??小.??26??
图4.9?66.67%有效删失情况下,对y对应的尾指数做出的估计??
?100??X??图4.7有效删失比例为50%时,对l/ai(x)的估计??1:?/^\??0C0?0.25?0?50?0?75?1?00??图4.8有效删失比例为66.67%时,对1/叫(x)的估计??这里说明,当有效删失比例比较大时,普通的插补方法是不可靠的.例如当有效删失比....
本文编号:4004655
本文链接:https://www.wllwen.com/kejilunwen/yysx/4004655.html