一般分布参数固定宽度的序贯置信区间

在区间固定宽度下,设计了参数矩估计的序贯置信区间程序,讨论了参数序贯置信区间的性质,当宽度d趋于零时,研究了N渐近性质,获得了其渐近有效性和渐近相合性等.     

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.     

二参数Weibull分布形状参数β的渐近置信估计

通过对Weibull分布作变换，将对Weibull分布形状参数β的研究转化为对极值分布尺度参数σ的研究，利用极值分布的样本均值和样本方差，构造极值分布尺度参数σ的渐近正态估计量，进而得到Weibull分布形状参数β的渐近置信区间估计.     

右删失左截断数据下离散威布尔分布的参数估计

研究了右删失左截断数据模型下离散威布尔分布参数的极大似然估计和渐近置信区间.介绍了参数估计的牛顿迭代方法和EM算法,给出了参数的渐近置信区间.随机模拟的结果表明,牛顿迭代方法和EM算法得到的参数估计结果差别不大.     

带有协变量动态可靠性模型参数的估计

考虑带有协变量的k-out-of-n系统, 假设系统中正常工作变量剩余寿命的条件风险函数为成比例的风险模型, 讨论该模型参数、 系统的可靠度函数和分位数函数的最大似然估计以及这些估计量的渐近正态性, 给出模型参数的置信区间, 并对点估计和区间估计进行Monte Carlo模拟研究. 结果表明, 估计量的均方误差随样本容量的增加而减少.     

左截断右删失数据下伽马分布的参数推断

伽马分布是生存分析中应用较为广泛的一种连续型寿命分布。本文基于矩估计方法研究左截断右删失数据下伽马分布的参数估计问题,通过引入潜在数据推导出参数迭代公式,利用矩估计方法的渐近正态性质得到伽马分布参数的渐近置信区间,并进行数值模拟实验。模拟结果表明：在删失比例较小的情况下,参数推断的结果更接近真值;矩估计方法适合大样本情况,同种删失比例随着样本量增大,参数估计的效果更好,渐近置信区间长度变短。     

基于delta方法泊松分布参数的近似信仰推断

文章主要研究了Poisson分布参数λ的近似信仰推断,利用对数变换后的估计量的渐近正态性对λ建立近似的枢轴方程,并得到其近似信仰分布和置信区间。模拟结果表明,近似信仰区间与Wald置信区间的平均长度几乎无差异,但近似信仰置信区间覆盖概率明显优于Wald置信区间的覆盖概率。     

Pareto分布中尺度参数的区间估计

研究了枢轴量法、极大似然估计的渐近正态性法和轮廓似然函数法,求解了Pareto分布中尺度参数的置信区间.通过生成随机数进行数值模拟分析,得出区间估计和区间长度,对这几种区间估计方法进行了比较.     

定时截尾缺失数据样本下Lomax分布总体形状参数的估计与检验

在定时截尾缺失数据样本下研究了Lomax分布形状参数的估计和假设检验.在尺度参数已知的条件下给出了形状参数的极大似然估计,证明了估计量的相合性和渐近正态性,并给出了形状参数的置信区间和假设检验,最后通过蒙特卡洛随机模拟说明了估计的优良性.     

双参数Rayleigh分布的参数和环境因子的统计分析

针对定时截尾试验的弊端提出了一个新的寿命试验方案,基于试验数据得到了似然函数,但运用极大似然法不能得到尺度参数的解析表达式.利用EM算法讨论了Rayleigh分布的可靠性问题,并根据缺失信息原则计算了Fisher信息矩阵.利用极大似然估计(MSE)的渐近正态性,推导出环境因子的渐近置信区间.运用Monte Carlo方法对估计的平均相对偏差(ARE)、均方误差(MSE)进行了模拟计算,并讨论了样本量对估计精度的影响.结果表明,尺度参数和环境因子的极大似然估计的ARE随样本量增大而减小,都具有大样本性质.     

异方差下增长曲线模型的统计推断

研究异方差增长曲线模型.基于未知参数的广义枢轴量,讨论了固定效应是否相等的假设检验问题,给出了固定效应两两差的同时置信区间和固定效应的置信域.模拟研究显示所给检验犯第一类错误概率和所给置信区间、置信域的覆盖概率都接近置信水平.     

区间估计中一个问题的探讨

讨论了正态总体的均值已知时方差的区间估计．两种方法找到了不同的置信区间,通过举例和分析x2分布表,对这两个区间进行了甄别．     

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。     

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.     

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。     

威布尔分布三参数的拟合特性

利用Monte Carlo方法分别考察了由相关系数优化法、概率权重矩估计法和最大似然法拟合得到的威布尔分布三参数的分布规律和相关性，在指定置信度下给出了Monte Carlo模拟求得的三参数置信区间。以安全寿命的置信区间大小作为判据，对拟合参数的3种方法进行了比较。结果表明，3种方法拟合得到的参数和安全寿命近似服从正态分布，形状参数与尺度参数存在正相关，而位置参数与前两个参数存在负相关。拟合数据的最佳方案是先用相关系数法求参数初值，再用最大似然法进一步精确求解三参数。     

正态均值常用估计区间的改进

从统计决策理论角度考虑了正态均值置信区间的改进问题.利用未知分布参数之间的序限制,通过使用改进估计量的IERD方法,对无序限制情况下正态均值的minimax置信区间进行了改进,构造了一族改进置信区间.     

Burr Ⅻ部件相依屏蔽数据系统的可靠性分析

考虑相依串联屏蔽数据系统的可靠性分析问题. 首先, 在部件寿命服从Burr Ⅻ 分布的情形下, 通过引入Copula函数建立部件寿命变量之间的相依结构, 以及相依串联屏蔽数据系统的可靠性模型, 并推导出串联系统的一些概率结果; 其次, 基于逐步Ⅱ型截尾的系统失效数据, 得到模型参数的极大似然估计, 并基于渐近正态性理论和bootstrap抽样算法, 构造模型参数的渐近置信区间及偏差校正的百分位bootstrap置信区间; 最后, 进行仿真模拟和真实数据分析, 结果表明, 该模型方法对相依屏蔽数据系统的可靠性分析可行且有效.     

单值数据的过程能力指数与过程性能指数比较

为澄清在质量控制过程中,度量单值数据情况下的过程能力指数与过程性能指数的差别,探讨了两类指数的差异及其原因,验证了在单值数据情况下两类指数的关系。采用数据模拟和非参数Bootstrap区间估计法,得到了两类指数的数值及其置信区间。分析结果表明:在均值意义上,不考虑过程偏移和考虑过程偏移的情况下,过程能力指数与过程性能指数都近似相等,在95%的置信水平下,过程性能指数的置信区间要优于过程性能指数的置信区间。所以,在单值情况下,考虑指数的可靠性,建议使用过程性能指数。     

非对称损失下正态均值的区间估计

考虑非对称损失下正态均值的区间估计, 在位置变换群下给出容许的最优同变置信区间, 其为通常置信区间的推广. 同时, 利用估计问题中对序限制下参数估计量的改进方法, 结合分布参数之间的序限制改进了所得的最优同变置信区间, 构造了一族改进置信区间.