重尾分布廣泛地遍布在許多生活、科學等高頻時間序列數(shù)據(jù)的領域中,像經(jīng)濟、保險、詞頻等領域的數(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鍵所在。像金融數(shù)據(jù)中的股票數(shù)據(jù)則需要進行極值現(xiàn)象的分析與評估,以進一步防止極端的現(xiàn)象出現(xiàn),這可能會導致廣大股民和公司經(jīng)營以及社會的經(jīng)濟受到不可挽回的影響。本篇論文詳細地分析與比較基于極值理論的重尾分布理論及重尾估計方法,并根據(jù)它們各自的優(yōu)缺點提出了新的重尾估計方法以及在新的領域進行實驗與應用。Hill估計在重尾分布的尾指數(shù)估計理論中是十分重要的估計方式,但是它仍舊不可避免地存在著缺點。我們在本文中基于Hill估計并適當?shù)靥岢隽薍ill估計的改進方法Av Hill估計方法,該方法成功地降低了Hill估計的方差,并對其利用Matlab R2014B進行仿真研究。從整體上看,Av Hill方法在重尾估計方法中要優(yōu)于Hill估計方法。并將Hill估計與Av Hill估計共同應用于詞頻統(tǒng)計數(shù)據(jù)領域,通過對詞頻領域的應用,我們發(fā)現(xiàn)Av Hill估計要優(yōu)于Hill估計。在Hill估計和Av H... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：46 頁

【學位級別】：碩士

【部分圖文】：

AvHill估計在1,{,,1250}knkavHk≤≤圖像，α=0.45

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

AvHill估計在1,{,,1250}knkavHk≤≤中，α=1.4

【參考文獻】：
期刊論文
[1]基于超拉普拉斯先驗的圖像非盲解卷積[J]. 李福燚,王彩霞,劉鵬,王曉曼.  長春理工大學學報(自然科學版). 2017(05)
[2]基于block bootstrap的厚尾相依序列均值變點檢驗[J]. 秦瑞兵,楊曉琴.  貴州師范大學學報(自然科學版). 2017(05)
[3]政務微博網(wǎng)絡結構特征研究——以重慶市為例[J]. 蹇潔,張英培,劉雪艷,葉芯彤.  現(xiàn)代情報. 2017(07)
[4]一類位置不變重尾指數(shù)估計[J]. 李彤彤.  陜西科技大學學報. 2017(03)
[5]移動業(yè)務特征認知及其分布模型:以即時消息為例[J]. 李榮鵬,趙志峰,張宏綱,鐘曉峰.  中國科學:信息科學. 2017(05)
[6]基于多正則化約束的圖像去運動模糊[J]. 符穎,吳錫,周激流.  工程科學與技術. 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.  汕頭大學學報(自然科學版). 2017(02)
[8]方差可能無窮的“中度偏離”單位根過程的復合分位數(shù)估計[J]. 倪佳林,傅可昂.  高校應用數(shù)學學報A輯. 2017(01)
[9]優(yōu)先關聯(lián)的Web日志數(shù)據(jù)逼真生成算法[J]. 丘志鵬,肖如良,張銳.  計算機系統(tǒng)應用. 2017(03)
[10]基于對數(shù)累積量的重尾分布脈沖干擾參數(shù)估計及性能分析[J]. 王亢,貢毅,徐志江,盧為黨,華驚宇.  中國科學:信息科學. 2017(02)



本文編號：3349593