双参数指数分布参数的最短区间估计

研究了双参数指数分布的区间估计方法.首先讨论了当其中一参数为已知,而另一参数未知时,双参数指数分布尺度参数基于选定枢轴变量的最短区间估计方法;然后讨论了两参数均未知的情况下,参数的最短置信区间估计方法.     

用非线性规划证明最短置信区间存在性与唯一性

参数的区间估计是根据枢轴量的分布,在一定可靠度下指出被估计的总体参数所在的可能范围.衡量一个区间估计的优良性有两点,一是置信水平α(0<α<1),另一是区间的长度,通常的做法是对给定的置信水平α(如α=0.05或α=0.01)求出相应的置信区间,区间长度越短说明对参数的估计越准确.讨论了最短置信区间存在和唯一性以及最优置信区间的确定.     

瑞利分布参数的最短区间估计

研究了瑞利分布参数的区间估计方法。给出了瑞利分布参数的最短区间估计方法;通过一个实例介绍了最短区间估计方法的应用;最后指出最短区间估计方法比传统区间估计方法所具有的优越性。     

均匀分布区间长度的最短置信区间

在均匀分布区间长度的区间估计的基础上,利用Lagrange乘子法得到了最短置信区间的唯一存在性,并运用等距搜索法计算得到了3≤n≤50,α=0.05时的最短置信区间表。     

Gompertz分布尺度参数的最短区间估计

研究了Gompertz分布尺度参数的极大似然估计和区间估计方法,给出了Gompertz分布尺度参数的最短区间估计方法;通过实例验证了尺度参数的置信区间包含其极大似然估计值,指出了最短区间估计方法较传统区间估计方法的优越性。     

指数分布参数置信区间的最短化研究

从置信区间的本质意义出发，通过数值计算的方法，对于给定的置信度0．90，0．95和0．99，在样本容量从2到22的范围内，求得了指数分布参数的最短置信区间，并对通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析。结果表明：在小样本(≤11)的情形下，用最短置信区间来作未知参数的区间估计，将会使估计精度得到显著的提高。     

Beta分布的最短置信区间的粒子群优化算法

据置信区间的含义和Beta分布的特性,最短置信区间问题转化成非线性规划问题。给出了粒子群优化算法解决此问题的方法,通过数值计算,对于给定的置信度0.90和0.95,在样本容量从3到30的范围内,求得了一类特殊的Beta分布参数的区间估计。并对通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析。结果表明,用最短置信区间来作未知参数的区间估计,将会使估计精度得到显著的提高。     

正态总体方差最短置信区间的研究

从置信区间的本质意义出发，通过数值计算的方法，对于给定的置信度γ=0．90，0．95和0．99，在样本容量n从3到30的范围内，在正态总体均值未知的情形下，求得了方差σ^2的最短置信区间，并对用通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析。结果表明，在小样本的情形下，用最短置信区间来作未知方差σ^2的区间估计，将会使估计精度得到显著的提高。     

基于贝塔分布的最优置信区间研究

基于贝塔分布的概率特征性质,该文研究了一类特殊的贝塔分布的最优区间估计; 进而,将得到的区间估计与等尾置信区间进行了比较.结果表明:使用最短置信区间作为未知参数的区间估计,估计的精度得到显著提高.最后,利用数值模拟的方法给出了贝塔分布的最短区间估计用表.     

两个均匀总体区间测度比的估计与检验

运用矩估计法给出了单个均匀分布总体区间测度的估计量和区间估计,并给出了2个均匀分布总体区间测度比的置信区间及假设检验方法,此外利用Lagrange乘数法证明了2个均匀总体区间测度比的最短置信区间的唯一存在性.     

两正态总体方差比的优化置信区间

用传统方法得到的两正态分布方差比的置信区间显然不是最短的,因而就此意义而言也不是最佳的.本文得到优化后的置信区间,并将它与传统的置信区间比较.结果表明:优化后的最短置信区间比原置信区间有较明显的改进.     

单峰分布的置信区间

讨论了单峰分布的最短置信区间的问题。设单峰分布的概率密度为ｆ（ｘ），ｘ０为其峰点。若区间满足：１）；３）则为该分布置信度为１－α的最短置信区间。     

伽玛分布参数的最短区间估计与最佳双边检验

证明了伽玛分布参数的最短区间估计与最佳双边检验是存在且唯一的,同时给出了最短区间估计与最佳双边检验需满足的条件;并与传统的区间估计和双边检验进行了比较,得出在小样本情况下讨论参数的最短区间估计和最佳双边检验是必要的。     

取定枢轴量的最短区间估计

本文研究了未知参数进行区间估计时构造的枢轴量.在不同枢轴量的情况下证明了最短置信区间是存在且唯一的,同时给出了求参数最短置信区间需满足的条件;并且对最短区间与传统区间进行了比较,最后给出了一个应用实例.     

负二项分布参数的贝叶斯区间估计问题

研究了在先验分布为贝塔分布下，负二项分布未知参数θ的贝叶斯区间估计方法。借助Beta分布与F分布的关系给出了参数θ的一般后验区间估计，并给出了参数θ的最短后验区间估计的条件极值解法。通过对参数取值不同的密度曲线形状的讨论分析和数值实例对比，得出结论：在小样本情况下，最短置信区间估计方法值得采用。     

泊松分布参数估计的比较研究

研究了泊松分布点估计及区间估计,并证明了样本均值是参数λ的优良估计量。利用贝叶斯统计分析方法,在取先验分布为共轭分布的情形下,给出了最大后验密度可信区间,即最短可信区间,并通过实例与经典区间估计进行了比较。     

威布尔分布中尺度参数的最短区间估计

把威布尔分布中尺度参数最短置信区间的求解问题转化为非线性方程组的求解问题,并通过1个实例和数值计算对最短置信区间与常用置信区间进行长度比较,说明研究小样本情形时威布尔分布中尺度参数最短置信区间的重要性与必要性。