基于下记录值逆Rayleigh模型的估计及预测

当观测数据是下记录值时,利用经典方法讨论了逆Rayleigh分布未知参数的极大似然估计和一致最小方差无偏估计,进而得到了可靠度及失效率的极大似然估计．取未知参数的先验分布为Gamma分布,在平方损失函数下讨论了逆Rayleigh模型的未知参数、概率密度函数、累积分布函数及系统可靠度的Bayes估计,并对元件的剩余寿命进行预测．通过蒙特卡洛模拟研究了估计量的性质,借助数值实验对估计量的值进行计算．     

一类均匀分布参数的极大似然估计及优良性

该文讨论了U[-θ，0]上参数θ的极大似然估计及修正后的极大似然估计的均方误差和相合性，并进一步证明了修正后的极大似然估计还是参数θ的UMVUE．     

混合截尾试验下双参数韦布尔分布可靠性指标的参数估计

定数截尾和定时截尾结合在一起的试验是混合截尾试验.本文主要研究混合截尾试验中韦布尔分布参数的极大似然估计以及可靠度函数和可靠寿命的极大似然估计.并且在正则条件下研究了相应的估计量的相合性和渐近正态性;而且还给出了参数的置信区间.最后利用一个实际数据来说明估计量的性质.     

一类均匀分布参数极大似然估计及优良性的讨论

该文讨论了U[θ,θ＋1]上参数θ常用的三个极大似然估计及修正后的极大似然估计的均方误差和相合性,并进一步给出了参数θ的UMVUE．     

单边截断参数的一致最小方差无偏估计存在的充要条件及特点

本文利用Ｂｌａｃｋｗｅｌｌ－Ｒａｏ－Ｌｅｈｍａｎ－Ｓｃｈｅｆｆｅ定理，削弱了卢昆亮等给出的单边截断参数θ的实函数ｇ（θ）的一致最小方差无偏估计量（ＵＭＶＵＥ）存在的条件，并在较一般的条件下证明了ｇ（θ）的一致最小方差无偏估计量的方差具有数量级ｎ＾－２。     

极大似然估计方法的直观教学设计

极大似然估计是求解参数点估计的一个重要方法.该方法具有很多优良的统计性质,因而在各个领域中得到广泛的应用.针对该方法计算复杂,学生理解较为困难的问题,对极大似然估计的教学方案进行了设计.通过引入简单实例,讨论了极大似然估计所使用的极大似然原理及其求解方法,让学生形成对新方法的直观理解,在教学中取得了良好的效果.     

随机截尾情形下几何分布的参数估计

得到了随机截尾情形下几何分布参数的最大似然估计和近似置信区间,并且求出了平均寿命极大似然估计的数学期望和方差.     

极大似然估计不变性的拓展

桌一参数估计是否是"最优"估计,通常要从一致性、无偏性、有效性、不变性等方面进行讨论,进而通过实际的观察对其进行数据拟合,分析其相对于实际模型的偏差程度.针对参数估计评选标准中的不变性进行了进一步的探讨.根据参数极大似然估计不变性原则,给出在一定条件下极大似然估计具有不变性的充分必要条件,并利用该结论计算了二元正态分布Z=(X,Y)的未知参数σ2和p的极大似然估计值.     

基于股票财务数据的贝叶斯网络的参数学习

研究了基于最大似然估计、贝叶斯估计与EM算法的贝叶斯网的参数学习.选取上市公司的10个股票财务变量构建贝叶斯网络,利用创建好的贝叶斯网络进行统计推断.对比最大似然估计和贝叶斯估计得到的参数值并展示EM算法不同迭代次数时的指数似然值,把EM算法得到的CPT表和最大似然估计的值相比较,对比较得到的结果进行归纳与分析.为基于不同算法的贝叶斯网络的参数学习提供了实证分析.     

Ⅱ型双截尾下逆威布尔分布尺度参数的估计

基于Ⅱ型双截尾样本,通过极大似然法得到了尺度参数极大似然估计的迭代公式.选取尺度参数的先验分布为无信息分布和伽玛分布,分别在平方损失和熵损失下,给出尺度参数的贝叶斯估计.利用Monte-Carlo模拟比较了各种估计的均方误差,结果表明,当选取伽玛先验和熵损失时,参数的贝叶斯估计最优.     

定时截尾情形下指数分布参数的估计

本文给出了定时截尾情形下指数分布的参数极大似然估计,证明了极大似然估计的强相合性质以及进一步的渐近正态性质.其结果对于其它的总体分布的参数估计具有普遍的现实意义.     

定时截尾情形下几何分布参数的估计和检验

本文讨论了定时截尾情形几何分布参数的极大似然估计,证明了参数的极大似然估计的相合性质和进一步的渐近正态性质,给出了检验两几何总体参数相等的检验统计量以及检验统计量的极限分布.其结果对于离散型总体分布的参数估计问题具有普遍的现实意义.     

锥序约束下两个指数总体均值的估计

讨论样本容量相等时，在锥序约束aλ1≤λ2≤α2λ1条件下，两个指数总体均值λi(i=1,2)的估计量，证明约束极大似然估计λi具比经典极大似然估计Xi更小的均方误差，并且讨论λi对Xi 的功效e(λi,Xi),i=1,2。     

纵向数据下部分线性模型的经验似然诊断

考虑纵向数据下的部分线性模型,应用经验似然方法对该模型进行统计诊断。给出模型的估计方程,得到模型参数的极大经验似然估计;基于经验似然估计,运用数据删除和局部影响分析两种方法,给出诊断异常点和强影响点的若干统计量;数值模拟验证了上述方法的有效性。     

缺失数据下非参数模型均值估计的两个结果

在缺失数据的情形下,用两种不同的方法讨论了非参数回归模型中,反映变量Y的均值θ的估计及其渐近性质,得出了关于θ的基于正态逼近的渐近置信区间以及θ的基于经验似然的渐近置信区间.     

双参数指数分布的方向极大似然估计

本文利用方向极大似然估计的概念,证明了双参数指数分布中的两个参数满足双曲线型关系。     

基于单方程计量经济模型的贝叶斯分析

研究了关于单方程计量经济模型的贝叶斯统计推断问题,即根据样本似然函数的形式构造出未知参数的先验分布,选取正态-Gamma分布为先验分布,对后验分布进行统计推断.最后推导了未知参数在二次损失函数下的贝叶斯估计.     

高维数据下广义线性模型自适应桥惩罚估计的变量选择

利用对数似然函数和自适应桥惩罚估计方法研究了高维数据下广义线性模型的参数估计和变量选择问题,利用对数似然函数和自适应桥方法构造惩罚估计目标函数,在适当的正则条件下,证明了自适应桥估计量的相合性和Oracle性质,通过数值模拟和实例分析验证了所提方法的有限样本性质及其优良性.     

多维GARCH模型的估计和检验

讨论多维ＧＡＲＣＨ模型的识别及其参数模型的极大似然估计和检验方法。     

k阶Erlang分布参数单变点的贝叶斯估计

利用贝叶斯方法研究了k阶Erlang分布参数单变点模型,得到该分布的似然函数.利用Fisher信息矩阵选取无信息先验分布,从而得到每个参数的满条件分布.使用Gibbs抽样与M-H算法相结合的MCMC方法对各参数进行随机模拟得到贝叶斯估计.模拟结果表明,各参数的估计值的精度在较高水平上都是有效的.