逐步Ⅱ型混合截尾下Lomax分布多部件应力强度模型的可靠性分析

基于逐步Ⅱ型混合截尾样本,研究Lomax分布多部件应力强度模型的可靠性分析问题。假设应力和强度具有不同形状参数和共同尺度参数,利用极大似然理论及迭代方法获得可靠度函数的极大似然估计(MLE),并给出渐近置信区间;然后,运用贝叶斯理论,借助Tierney-Kadane(TK)近似方法、MCMC算法,讨论平方误差损失函数下未知参数及可靠度的贝叶斯估计,给出其最大后验密度可信区间(HPD);最后,利用Monte-Carlo模拟方法对估计结果进行对比分析。模拟结果显示：贝叶斯估计整体上优于极大似然估计,并且随样本量的增大,2种估计的均方误差(MSE)均逐渐减小,HPD可信区间的效果优于渐近置信区间。     

瑞利分布全样本下的统计分析

针对瑞利分布,在全样本场合下给出了参数的矩估计、极大似然估计和区间估计。与此同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和区间估计的精度,从中可以看到参数的极大似然估计的精度比矩估计的好些。     

基于有序抽样样本参数的置信区间

讨论了一种新的抽样方法即有序抽样方法下样本的信息矩阵及参数的极大似然估计的性质,把它和简单随机抽样样本下的信息矩阵进行了比较,并以此估计为基础给出了一种新的参数的置信区间的构造方法,表明在相同的置信水平下以此方法构造的参数的置信区间比传统方法下构造的参数的置信区间更短,因而也具有更高的相对精度。     

屏蔽数据并联系统的可靠性分析

在逐步Ⅱ型截尾模型下,研究含屏蔽数据三部件并联系统的可靠性分析。假设组成系统的部件相互独立且服从补充指数分布,利用屏蔽系统寿命数据给出了部件参数与可靠度函数的极大似然估计。鉴于极大似然法在完全屏蔽情形的局限性,通过引入潜在变量并运用Metropolis-Hastings抽样算法获得了部件参数及可靠度函数的贝叶斯估计、参数的最大后验密度置信区间。最后利用Monte-Carlo方法给出数值例子,分析了屏蔽水平对两种估计精度的影响,并验证了文中结果的正确性。     

一类特殊随机截尾试验下指数分布的参数估计

利用极大似然法(ML)和EM算法研究了一类特殊随机截尾试验下指数分布参数的极大似然估计和渐进置信区间.给出了参数的EM迭代公式,根据缺损信息原则得到了Fisher观察信息,构造了参数的bootstrap置信区间.随机模拟的结果表明:估计的精度较高,ML法和EM算法几乎一样,渐进置信区间和bootstrap置信区间的差别不大.     

排序集抽样下样本参数的修正区间估计

研究了排序集抽样下样本参数的修正极大似然估计的性质,并以此估计为基础构造了样本参数的修正区间估计.研究表明:在相同的置信水平下,基于排序集抽样的样本参数的修正区间估计较传统的置信区间具有更高的精度.     

Meta分析中异质性方差区间估计方法及改进

Meta分析中的异质性程度可以用异质性方差度量。为了估计异质性方差,人们研究并给出了各种估计方法,如矩估计、最大似然估计、经验贝叶斯估计等。在点估计的基础上,还进一步研究了异质性方差的区间估计,从而更加准确和有效地度量异质性大小。构建置信区间的方法也有很多,如似然估计,WALD型置信区间,基于Q统计量的置信区间等。本文在介绍已有的几种异质性方差区间估计方法的基础上,给出了假设 近似服从正态分布的情况下,异质性方差的区间估计方法,导出了异质性方差置信区间的解析表达式。仿真计算及实例分析表明该方法是稳健、可靠的。     

基于贝叶斯方法的蒙古栎林单木树高-胸径模型

【目的】贝叶斯统计法在提高参数稳定性上有较大的优势,但在森林生长模型中的应用并不多见。研究贝叶斯方法在树高-胸径模型中的应用,改进模型参数的估计方法,为蒙古栎天然林树高生长预测提供支持。【方法】以蒙古栎天然异龄林为对象,基于197块蒙古栎天然异龄林固定样地数据,采用传统极大似然法、贝叶斯法估计树高-胸径基础模型,以及极大似然法与层次贝叶斯法估计树高-胸径混合效应模型。随机抽取80%的样地数据用于建立模型,剩余的20%用于检验模型,基于基础模型与混合效应模型,利用经典概率统计法(极大似然估计)、有先验信息的贝叶斯统计法和层次贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过绝对平均误差(MAE)、相对平均误差(RME)、均方根误差(RMSE)、相对均方根误差(RMSE%)、决定系数(R²)、赤池信息准则(AIC)和偏差信息准则(DIC)指标来确定。【结果】对于基础模型,有先验信息的贝叶斯统计参数可信区间集中。对于混合模型,层次贝叶斯法估计的固定效应参数可信区间较传统方法更为集中,但随机效应参数可信区间相较极大似然法的置信区间更为扩散。使用层次贝叶斯混合效应模型的拟合效果最好,其决定系数R²为0.946。MAE、RMSE和RMSE%指标显示,层次贝叶斯法估计的模型精度最高,其次为极大似然估计的混合效应模型,贝叶斯法估计的基础模型以及极大似然估计的基础模型精度较低。【结论】层次贝叶斯统计法在拟合树高-胸径模型方面具有明显的优势,拟合效果最好,模型预估精度最高。此外,层次贝叶斯法能够以之前建立的模型结果作为先验信息而建立新的模型,是森林经营单位更新模型的可选方法之一。     

基于指数模型的R=P(Y<X<Z)统计推断（英文）

文章讨论了接收器工作特性曲线(ROC)指标R=P(Y X Z)的统计推断问题,分别给出了R的不同点估计和区间估计,其中点估计包括最大似然估计和贝叶斯估计,区间估计包括正态近似区间估计、精确区间估计以及贝叶斯可信度置信区间估计。通过数值模拟,比较了上述估计方法的优劣,并且给出了选择不同估计方法的建议,数值模拟结果表明上述估计方法是可行的。     

基于指数模型的R = P(Y < X < Z)统计推断

文章讨论了接收器工作特性曲线（ROC）指标R = P(Y < X < Z)的统计推断问题，分别 给出了R的不同点估计和区间估计，其中点估计包括最大似然估计和贝叶斯估计，区间估计包括正 态近似区间估计、精确区间估计以及贝叶斯可信度置信区间估计。通过数值模拟，比较了上述估 计方法的优劣，并且给出了选择不同估计方法的建议，数值模拟结果表明上述估计方法是可行的。     

基于Bootstrap的小样本可靠性评估方法

针对小样本情况下,采用极大似然估计Mle法求解分布参数会产生较大误差的问题,基于Bootstrap数据扩充的思想提出了B-mle法,减小了参数估计的误差.首先,利用Bootstrap法对小样本数据重抽样产生多组再生样本,达到扩充数据样本的目的;其次,对再生样本采用极大似然估计求解分布参数,得到多组参数的极大似然估计值,...     

数控机床不完全维修的贝叶斯可靠性评估

提出了在少样本故障数据情况下,数控机床不完全维修的贝叶斯可靠性评估方法,分析了广义更新过程虚龄模型参数的验前分布和后验分布,利用马尔科夫链蒙特卡洛仿真方法获得了模型参数、累计故障数、故障强度和可靠度等可靠性指标的贝叶斯点估计和区间估计,并分析了某一现场数控机床不完全维修的可靠性.结果表明,与极大似然估计方法相比,贝叶斯可靠性评估方法具有较高的精度.     

分组数据场合逆威布尔分布参数贝叶斯估计的混合Gibbs算法

作者利用混合Gibbs算法(Gibbs抽样与Metropolis算法的混合)给出了分组数据场合逆威布尔分布参数的贝叶斯估计,然后通过Monte-Carlo模拟考查了贝叶斯估计的均值、均方误差及参数的可信区间,并与极大似然估计比较,给出了混合Gibbs抽样过程中相应参数的轨迹图、直方图及自相关系数图.在五组分组数据场合用混合Gibbs算法求逆威布尔分布参数的贝叶斯估计都得到了比较满意的结果,表明该算法可行、稳定、并且有效.     

双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

排序集抽样下定时截尾指数寿命数据的参数估计

针对定时截尾指数寿命数据的参数估计问题,采用排序集抽样方法,研究了指数分布参数的极大似然估计.针对排序集抽样下似然方程求不出解的问题,似然方程的部分项替换为期望,并给出修正极大似然估计.估计效率的比较结果说明:基于排序集抽样方法的修正估计量优于基于简单随机抽样方法的极大似然估计量.     

关于三参数Pareto分布的参数估计问题

在逐步增加首失效截尾样本下,研究三参数Pareto分布族形状参数的一致最小方差无偏估计(UMVUE),在对称平方损失函数下,讨论其Bayes估计和参数型经验Bayes(PEB)估计;按照均方误差(MSE)准则,比较UMVUE与PEB估计的小样本性质;根据形状参数的风险,导出其Bayes估计与PEB估计的大样本性质,并获得它们的收敛速度o(n-1)。     

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。     

随机信息中系统参数的灰色贝叶斯区间估计研究

在贝叶斯可信区间估计理论基础上,借助于灰色理论研究随机信息下贝叶斯灰色可信区间的估计问题,较传统的方法能够获取更多的有效信息.