传统的广义Pareto分布(Generalized Pareto
Distribution, 简记GPD)的参数估计一般受分布形状参数的约束. 如:
矩估计(the Method of Moments, 简记MOM), 概率加权矩估计(the
Probability Weighted Moments, 简记PWM), L矩估计(简记LM),
极大似然估计(Maximum Likelihood Estimation, 简记MLE)等.
本文利用GDP可转化成指数分布的事实及指数分布参数估计的结果,
利用最小二乘(the Least Squares, 简记LS)法,
得到了两参数和三参数GPD的参数估计; 给出了估计量具有渐近正态性的结果.
估计方法不受分布形状参数的限制. 模拟显示:
本文提出的估计在某些常用条件下优于GPD的其他参数估计, 如MOM, PWM, LM,
以及基于分位数估计(the Elemental Percentile Method, 简记EPM)等.