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。     

两样本正态总体方差比的最短置信区间研究

用最优假设检验的统计量来构造出两正态总体方差比的枢轴量,分析出基于这一枢轴量用概率对称得到的置信区间的长度并不是最短的。从最短置信区间的本质意义出发,构造出求解最短置信区间的条件并证明其解的存在唯一性,通过数值计算的方法,对于给定置信度1((=0.95,对样本容量从(5,6)至(41,41)的范围内在两正态均值总体未知的情况下,求得了最短置信区间,并与按概率对称求得的置信区间进行了区间长度对比分析。结果表明,在小样本时,用文中求得的最短置信区间来做方差比的区间估计,精度将会得到显著的提高。     

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。     

正态分布方差的UMPU检验和UMAU置信区间研究

传统的正态分布方差的双侧检验中,使用x~2分布的双侧分位点得到的显然并不是一致最优势无偏检验(UMPUT).证明了正态分布方差的UMPUT的存在唯一性,并对容量n从4到39时,分别计算出了显著性水平α=0.10,0.05,0.01时的UMPUT拒绝域的临界值.传统方法(按概率对称)得到的置信区间一般不是UMAU(一致最准确无偏)置信区间,后者是按UMPUT对偶关系得到的置信区间,文中计算的UMPUT拒绝域的临界值显然是用来构造UMAU置信区间的.并对传统方法的置信区间与文中求出的置信区间的长度进行了对比分析,结果表明:在n≤39时,中求得的置信区间将会使精度显著提高.     

两正态总体方差比的最优区间估计和最佳双边检验

用传统方法得到的两正态总体方差比的置信区间显然不是最短,因而在这个意义上讲也不是最优的。从理论上推求给出了两正态总体方差比的最优区间估计和在犯第二类错误的概率累积最小意义下的最佳双边检验。     

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.     

χ~2分布的分位数讨论及其应用

对于Х^2分布利用序贯试验法中的黄金分割法,研究了其在给定α（0〈α〈1）,满足P（a〈Х^2〈6）=1-α的最短区间问题,并进行了计算．然后对于Х^2分布参数在给定的置信度下,应用上面方法求得了此时的最短置信区间,对上法求得的最短区间与通常所用的置信区间进行比较,得到在小样本情形下优化后的结果能显著提高估计精度．     

非平衡异方差单向分类模型中的广义置信区间

讨论了在单向分类模型中多个正态总体样本容量不等, 方差不等时样本均值的同时广义置信区间的估计问题. 结合Scheffe 和Bonferroni 区间的定义, 给出了相应的广义检验变量及广义枢轴量, 进而求得样本均值的同时广义置信区间, 并且通过数据模拟, 和文献[1]中给出的方法比较, 本文所给方法具有较好的可行性.     

伽玛分布参数的最优区间估计和最佳双边检验

用传统方法得到的伽玛分布参数的置信区间显然不是最短,因而在这个意义上讲也不是最优的。本文从理论上给出伽玛分布参数的最优区间估计和在犯第二类错误的概率累积最小意义下的最佳双边检验。     

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。     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题。主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间。最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大。在置信区间的构造方面,不论是小样本还是大样本,最大后验密度置信区间确实比传统的置信区间有效。     

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。     

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.     

分组数据场合指数分布参数的渐近置信估计

利用指数分布的若干个样本分位数,建立线性回归模型,由获得的广义最小二乘估计的渐近正态性,得到分组数据场合分布参数的渐近置信估计.在样本足够大的情况下,该方法简单有效.     

岩样单轴抗压强度区间估计分析

基于岩石单轴抗压强度为正态分布随机变量,利用数理统计理论对岩样单轴抗压强度置信区间、置信度等问题进行了系统的分析研究,整理并推导出了岩样单轴抗压强度"区间估计指标"的理论计算公式,并分析了岩样单轴抗压强度样本均值、样本标准差、总体均值置信区间、总体标准差置信区间等与岩样数量之间的关系,最后利用前人试验数据进行了验证应用与分析。结果表明:现有"单值点指标"方法给出的数据"信息不足",导致不同试验条件下得到的各组试验数据之间的横向比较的可靠性得不到保证,而"区间估计指标"可克服其不足,且在岩样数量较小时仍可使用,只是其置信度会较低(置信区间宽度会较大);当岩样数量较小时,样本标准差的波动性比样本均值的波动性约高一个数量级,样本标准差的随机性与离散性更大且达到收敛稳定所需的岩样数量也更大;岩样单轴抗压强度的"区间估计指标"置信区间、置信度等与岩样数量、岩样非均质性、岩样强度分布的随机性等有关。     

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,...     

一种正态分布结构可靠性的改进算法

针对传统强度-应力干涉模型存在的局限,提出了一种改进的结构可靠性计算方法.利用泰勒级数展开求解非线性极限状态函数的可靠性系数,采用样本试验数据估计随机变量的分布参数,从而解决了分布参数未知、极限状态函数为非线性的正态分布结构在一定置信水平下的可靠性置信区间的计算问题.