双参数指数分布尺度参数的区间估计

在位置参数未知的条件下,尺度参数区间估计通常仅依赖于自身的充分统计量,本文根据Pitman准则下点估计改进的方法,将尺度参数区间估计做进一步改进,使得改进后的置信区间又综合了位置参数包含的信息,这样所确定的置信区间在置信水平和精确度上都有了提高.     

双参数指数分布的参数估计(Ⅱ)

本文将继续文[1]的讨论,给出参数的值间估计,我们分别讨论了位置参数和尺度参数的区间估计.     

对数正态总体参数的信仰区间估计

用信仰推断法给出了对数正态总体位置参数和尺度参数的信仰区间估计,并与由枢轴量法得到的置信区间估计进行了比较,得出一致的结果。     

基于均值绝对离差的参数估计

针对矩法估计存在不足，文章提出了利用样本均值、样本均值绝对离差作为总体均值、均值绝对离差估计量的思想方法，从而得到了位置参数、尺度参数的估计量。本文最后通过在正态分布中随机抽取样本的方法对矩法估计与均值绝对离差估计的优劣性进行了比较。     

位置参数一尺度参数的稳健估计

针对矩法估计、极大似然估计存在不足,文章提出了利用样本中位数、样本中位数绝对离差作为总体中位数、中位数绝对离差估计量的思想方法,从而得到了位置参数、尺度参数的估计量.     

用于监控均值和方差的非参数变点模型

统计过程控制被广泛应用于工业过程,服务领域和其他行业.尽管在特定过程的情况下参数控制图是有效的,但通常情况下都没有足够的信息确定过程分布,所以在此情况下非参数控制图是必要的.但大多非参数控制图要么是监控位置参数的,要么是监控尺度参数的,而不是既可以监控位置参数又可以监控尺度参数的.通过整合Wilcoxon秩和检验和Ansari-Bradley检验到变点模型,提出了一个新的非参数控制图,并且模拟结果也展现了该控制图在探测位置和尺度漂移时,是优于其他的非参数控制图的.     

复合Linex损失函数下Gamma分布的尺度参数的Bayes估计

在复合Linex对称损失函数下,当Gamma分布Γ（θ,α）的尺度参数θ（形状参数α已知）的先验分布π（θ）服从Gamma 分布Γ（λ,β）时,得到了尺度参数θ的唯一的Bayes估计δB.同时,对尺度参数θ的Bayes估计δB讨论了其可容许性.其结果是：当c=0,d＊＜d＜∞时,估计量δB是可容许估计.     

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.     

基于最小二乘迭代威布尔分布的三参数估计

威布尔分布因其数学处理的便利性和适应性而被广泛用于描述产品寿命，引入了位置参数的三参数威布尔分布是研究机械零部件可靠性最适合的模型之一，尤其适用于长寿命、高可靠性的产品。三参数威布尔分布的参数估计一直是关注的焦点，本文中提出了一种基于最小二乘的迭代方法对其进行参数估计，将初始位置参数设置为0，使用最小二乘法得到初始形状参数和尺度参数，将其代入位置参数的无偏估计得到新的位置参数，进行多次迭代，在此过程中形状参数和尺度参数逐渐变小，位置参数逐渐变大，最终获得稳定的形状参数、尺度参数和位置参数，即为最终的参数估计值，并计算可靠度为99%的寿命。通过蒙特卡洛（Monte Carlo）仿真证明此方法是收敛的，并在不同的威布尔模型、不同中小样本量（样本量为10、15、20、25和30）下，使用偏差（Bias）和均方差根（RMSE）两个指标与相关系数法进行对比，此方法估计的3个参数及可靠度为99%的寿命更加准确。通过两个实例分析，表明该方法具有可行性和有效性，估计结果与相关系数法相比更加保守，更适于工程应用。     

基于同变估计法的限制参数空间上区间估计

本文对于位置尺度分布族这一类特殊分布利用同变估计法参数的区间估计,利用此方法讨论了一些常见实例并与Fiducial推断法的计算结果进行对照,结果表明该方法是可行的并且更有操作性.     

应用极值理论估计种群寿命

具有刻度和形状参数的Weibull分布经常刻画生物种群寿命和可靠性理论中元件寿命.通过极值理论分别提出刻度和形状参数的估计量,并且研究它们的相合性、渐近正态性.具有Weibull分布的平均寿命便容易估计和计算.     

对称指数分布的参数估计及其优良性

研究了双参数对称指数分布的参数估计问题,给出了2个参数的极大似然估计.在样本容量为奇数的情形,证明了样本中位数作为双参数对称指数分布位置参数的极大似然估计,具有无偏性与强相合性;尺度参数的极大似然估计具有强相合性.在样本容量为偶数的情形,证明了2个参数的任一极大似然估计均具有强相合性.     

一种尺度参数的确定方法

密度函数的小波估计中,尺度参数的选择是最关键的问题,如果尺度参数选择大小,则受噪声影响比较大.如果尺度参数选择过大,虽然密度函数估计较好,但密度估计的曲线大幅振荡.通过在多维空间中,基于小波的多分辨分析理论对多变量密度函数进行的小波估计,提出了利用Fisher信息来确定尺度参数的新方法.     

多传感器AR信号自校正加权融合Wiener滤波器

对带多传感器和带未知模型参数及未知噪声方差的自回归(AR)信号,应用递推辅助变量(RIV)算法得到局部模型参数估值器,用相关方法得到局部噪声方差估值器。用取局部估值器的平均得到信息融合估值器。将它们代入最优加权融合AR信号Wiener滤波器,提出一种自校正加权融合Wiener滤波器。它们以概率1收敛于最优融合Wiener滤波器,因而具有渐近最优性。它的精度比每个局部自校正Wiener滤波器精度都高。仿真例子说明了其有效性。     

参数估计的新进展—稳健MM估计在平差上的应用

本文在评述当前稳健估计在测量平差上应用的基础上,进一步提出应采用双重型M估计,即MM估计,使之更符合测量平差的实际需要。由MM估计所得的刻度参数(scale parameter),不仅可进一步保证位置参数(location parameter)的稳健性,而且由于其本身的稳健性,使它比中误差更能合理地反映观测精度。     

变系数结构关系EV模型的参数估计

研究了当结构关系EV(errors-in-variables)模型的系数随某个实变量变化时,如何估计其系数,以及估计的性质如何.采用加权正交回归方法估计结构关系EV模型的变系数,在比较弱的条件下证明了用这种方法得到的估计具有强相合性.     

一类含任意参量的B样条型三次参数曲线

构造了一类含四个参量的B样条型三次参数曲线,它以三次Hermite曲线、Ball曲线、Bezier曲线、Timmer曲线和B样条曲线为其特例。本文还给出了曲线与其特征多边形各边相切的条件。通过调整曲线的四个参量便可改变曲线的形状(包括端点位置、凸向及弯曲程度等)以满足实际需要。     

利用调查数据中完全辅助信息的广义模型校正方法

推广了模型校正方法去估计总体和均值以外的总体参数.建议的模型校正估计可以处理任何线性或非线性的工作模型,且在线性模型的情形下变为广义回归估计.通过Kronecker积,可把模型校正方法用于估计双线性参数,特别地,去估计方差和协方差.     

污染数据线性回归模型的参数估计

研究了简单回归模型中响应变量受到另一随机变量序列污染时 ,模型参数和污染系数的估计方法 .在适当条件下 ,证明了所建立的估计量都具有强相合性