具有校正项的K分布形状参数的V-估计器

Oliver于1993年提出的K分布形状参数的V-估计器(VE),虽然具有免于求解非线性方程的计算因而估计效率高的优点,但是,其估计精度却低于许多其他矩估计器的估计精度,且有时会出现奇异值的情况.为扬长避短,在对V-估计器的估计偏差进行推导和分析的基础上,通过一系列Monte-Carlo实验,V-估计器改进成本文提出的具有校正项的V-估计器(VCE).VCE克服了V-估计器的上述缺点.仿真实验表明,VCE的估计精度不但显著优于VE,而且在效率和精度上都优于通常被认为是精度最高的矩估计器中的U-估计器.特别是,实验结果显示,VCE更适合于小样本长度下的情况,这个特点使得它更便于实际应用.      

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.