重尾分布廣泛地遍布在許多生活、科學(xué)等高頻時(shí)間序列數(shù)據(jù)的領(lǐng)域中,像經(jīng)濟(jì)、保險(xiǎn)、詞頻等領(lǐng)域的數(shù)據(jù)分布差不多都符合重尾分布的特征。由于重尾分布的尾部會(huì)攜帶大量的重要信息,因此正確地描述重尾分布函數(shù),是獲得這些信息的關(guān)鍵所在。像金融數(shù)據(jù)中的股票數(shù)據(jù)則需要進(jìn)行極值現(xiàn)象的分析與評(píng)估,以進(jìn)一步防止極端的現(xiàn)象出現(xiàn),這可能會(huì)導(dǎo)致廣大股民和公司經(jīng)營以及社會(huì)的經(jīng)濟(jì)受到不可挽回的影響。本篇論文詳細(xì)地分析與比較基于極值理論的重尾分布理論及重尾估計(jì)方法,并根據(jù)它們各自的優(yōu)缺點(diǎn)提出了新的重尾估計(jì)方法以及在新的領(lǐng)域進(jìn)行實(shí)驗(yàn)與應(yīng)用。Hill估計(jì)在重尾分布的尾指數(shù)估計(jì)理論中是十分重要的估計(jì)方式,但是它仍舊不可避免地存在著缺點(diǎn)。我們?cè)诒疚闹谢贖ill估計(jì)并適當(dāng)?shù)靥岢隽薍ill估計(jì)的改進(jìn)方法Av Hill估計(jì)方法,該方法成功地降低了Hill估計(jì)的方差,并對(duì)其利用Matlab R2014B進(jìn)行仿真研究。從整體上看,Av Hill方法在重尾估計(jì)方法中要優(yōu)于Hill估計(jì)方法。并將Hill估計(jì)與Av Hill估計(jì)共同應(yīng)用于詞頻統(tǒng)計(jì)數(shù)據(jù)領(lǐng)域,通過對(duì)詞頻領(lǐng)域的應(yīng)用,我們發(fā)現(xiàn)Av Hill估計(jì)要優(yōu)于Hill估計(jì)。在Hill估計(jì)和Av H... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：46 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

AvHill估計(jì)在1,{,,1250}knkavHk≤≤圖像，α=0.45

Hill估計(jì)在1,{,,1500}knkHk≤≤中，α=0.45Fig.3-1ThedrawoftheAvHill'sestimtorinFig.3-2ThedrawoftheAvHill'sestimtorin

AvHill估計(jì)在1,{,,1250}knkavHk≤≤中，α=1.4

【參考文獻(xiàn)】：
期刊論文
[1]基于超拉普拉斯先驗(yàn)的圖像非盲解卷積[J]. 李福燚,王彩霞,劉鵬,王曉曼.  長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[2]基于block bootstrap的厚尾相依序列均值變點(diǎn)檢驗(yàn)[J]. 秦瑞兵,楊曉琴.  貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[3]政務(wù)微博網(wǎng)絡(luò)結(jié)構(gòu)特征研究——以重慶市為例[J]. 蹇潔,張英培,劉雪艷,葉芯彤.  現(xiàn)代情報(bào). 2017(07)
[4]一類位置不變重尾指數(shù)估計(jì)[J]. 李彤彤.  陜西科技大學(xué)學(xué)報(bào). 2017(03)
[5]移動(dòng)業(yè)務(wù)特征認(rèn)知及其分布模型:以即時(shí)消息為例[J]. 李榮鵬,趙志峰,張宏綱,鐘曉峰.  中國科學(xué):信息科學(xué). 2017(05)
[6]基于多正則化約束的圖像去運(yùn)動(dòng)模糊[J]. 符穎,吳錫,周激流.  工程科學(xué)與技術(shù). 2017(03)
[7]基于Lp稀疏正則的圖像去模糊方法研究[J]. 彭鴻,閆敬文,林哲.  汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[8]方差可能無窮的“中度偏離”單位根過程的復(fù)合分位數(shù)估計(jì)[J]. 倪佳林,傅可昂.  高校應(yīng)用數(shù)學(xué)學(xué)報(bào)A輯. 2017(01)
[9]優(yōu)先關(guān)聯(lián)的Web日志數(shù)據(jù)逼真生成算法[J]. 丘志鵬,肖如良,張銳.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(03)
[10]基于對(duì)數(shù)累積量的重尾分布脈沖干擾參數(shù)估計(jì)及性能分析[J]. 王亢,貢毅,徐志江,盧為黨,華驚宇.  中國科學(xué):信息科學(xué). 2017(02)



本文編號(hào)：3349593