标准伽玛型元件贮备系统的可靠性

通过标准伽玛型元件和指数型开关的定数截尾观察数据给出未知参数的极大似然估计,进而得出冷贮备系统的可靠性的点估计。最后给出了系统可靠性的Bootstrap置信下限。并经过模拟计算,验证贮备系统可靠性的Bootstrap近似置信下限是切实可行的。     

基于参数Bootstrap方法的双参数指数分布可靠寿命的置信下限

针对双参数指数分布的截尾数据,利用一种新的参数Bootstrap方法,构建了可靠寿命的置信下限,并从理论上证明了给出的置信下限是精确的.在小样本情形下,通过比较新的参数Bootstrap方法取得的置信下限与Engelhardt-Bain方法取得的近似置信下限的覆盖率,发现参数Bootstrap置信下限更令人满意.     

分组与删失数据下几何分布的参数估计

研究了当寿命分布为几何分布时,观测数据分组与可能删失的情况下的参数估计,利用EM算法求出了参数的MLE估计,在平方损失下得出了参数的Bayes估计,并应用近似Beta分布加权和的方法得出了参数的近似的Bayes置信下限.     

GMANOVA模型中回归系数的置信域体积比统计量

对于ＧＭＡＮＯＶＡ模型,该文从该模型的回归系数的椭球置信域出发,导出了度量影响的置信域体积比统计量,并导出了它在协方差矩阵未矩时的近似表达式。     

Cox比例风险模型中的校正经验似然方法

提出了一种校正经验似然方法来构造Cox比例风险模型中回归系数的置信域.该方法通过Monte Carlo模拟与基于极大偏似然估计的正态逼近的方法相比较.另外,也用该方法分析了一组急性粒细胞性白血病的临床数据.     

自回归模型参数估计的Bootstrap逼近

本文将Bootstrap方法用于时间序列中自回归模型回归系数的最小二乘估计和误差方差的估计,建立了其分布的Bootstrap逼近的结果     

自回归模型参数估计的Bootstrap逼近

本文将Bootstrap方法用于时间序列中自回归模型回归系数的最小二乘估计和误差方差的估计,建立了其分布的Bootstrap逼近的结果     

指数族非线性模型的试验设计

文章首先计算指数族非线性模型的回归参数β在1-α置信水平下的置信域的体积,为了便于计算,需把置信域投影到切空间中去,投影后的置信域是一个椭球体,用Taylor展开方法对此椭球体的体积进行二阶近似,推出原参数置信域的体积的近似表达式,然后对回归模型进行试验设计,根据置信域体积最小准则,在模型函数的设计变量的定义域上确定点列,选取使置信域体积达到最小的设计点.     

协变量缺失下线性EV模型中参数的经验似然推断

考虑协变量缺失下线性EV模型中参数的经验似然推断问题,利用逆概率加权的方法构造未知参数的估计函数.在一定条件下,证明了构造的估计函数其经验似然比趋于一个标准的卡方分布.利用这个结果可以构造参数的置信域.     

基于一次性检测数据的几何型元件串联系统可靠性的置信限

利用一次性检测数据讨论了几何型元件串联系统可靠性的置信限问题.根据可靠度极大似然估计的大小对成功数组样本点进行排序,在实验成功总次数已知的情况下,给出了串联系统可靠性的精确置信下限,证明了其经典精确性和最优性,进而给出串联系统可靠性的近似置信下限,并对近似置信下限的精度进行了讨论.     

多元线性模型中最小距离估计分布的随机加权逼近

考虑多元线性模型，用随机加权的办法得到最小距离估计（least distances estimate，LDE）的渐近分布的近似，指出可以用给定样本下随机加权下的LDE的条件分布去近似LDE的渐近分布．     

Asymptotic efficiency of randomly weighted bootstrap for linear models

This note discusses the method of randomly weighted bootstrap to derive the approximation of M-estimates in linear models, and shows that the approximation is asymptotically valid under some mild conditions.     

加权回归模型中的影响度量与相关系数

从距离角度研究数据对加权回归模型的影响．建立了加权回归模型中的Ｃｏｏｋ距离,并找到了它与相关系数之间的联系     

加权距离下模糊数的区间逼近

在加权L2 距离意义下得到了模糊数的最近区间逼近。基于此,引入了最近区间逼近算子,并讨论了这个算子的基本性质, 证明了算子关于加权L2距离Lipschitz连续,其Lipschitz常数为1。     

测量仪器校准间隔的滚动灰色自助融合预测

针对测量仪器校准间隔的预测问题,在小样本条件下,采用滚动灰色自助融合模型进行校准间隔预测。滚动灰色自助融合模型综合灰色预测方法和自助再抽样方法,在灰微分方程建模时,通过自助再抽样,充分挖掘出系统信息。采用滚动灰色自助融合模型进行测量校准间隔预测,不仅能较准确地预测瞬时值,而且能够预测置信区间,克服了其他校准间隔预测模型仅仅预测瞬时值的缺点,降低了预测风险。实验表明,与其他校准间隔预测模型相比,滚动灰色自助融合模型的预测瞬时值、预测上限值和下限值都较好地描述出历史校准数据的波动趋势,预测可靠性更高,适合用于测量仪器校准间隔的预测。     

基于勒让德多项式逼近法的M-C强度参数概率分布推断

 在岩土工程可靠度分析中, M-C 强度参数概率分布类型研究是一项基础性工作, 为此提出了岩土抗剪强度参数概率分布函数的勒让德多项式推断法。以岩石常规三轴试验数据为原始信息, 根据组合理论和线性回归分析方法, 构建了内摩擦角φ、摩擦系数f 和黏聚力c 的小样本信息库, 对样本数据的概率分布类型进行假设检验, 通过有限比较法得到M-C 强度参数的最优经典概率分布类型为正态分布。基于勒让德正交多项式逼近法得到了φ、f 和c 的概率分布函数, 并利用K-S 检验法与正态分布进行计算精度比较。结果表明, 勒让德多项式推断得到的概率分布函数的K-S 检验值比正态分布的小, 更符合样本实际观测数据的分布规律。     

Bootstrap门限向量误差修正模型中门限同积SupLM检验

对门限向量误差修正模型提出了基于原假设为线性非同积关系的一种门限同积SupLM检验。给出了理论证明的检验门限同积关系存在性的SupLM检验的理论证明,以及相关的bootstrap算法。模拟实验得到比较好的检验水平和功效,进一步将其用于研究几种美国国库券收益率的关系,发现它们之间存在明显的门限同积关系。