双参数指数分布的加权矩估计

利用加权矩估计方法,得到双参数指数分布中参数的加权矩估计量,讨论了估计量的方差和特征函数,并利用算例说明了加权矩估计优于矩估计．     

Mlinex损失函数下指数分布的尺度参数的Bayes估计

在Mlinex损失函数下,求出了指数分布的尺度参数的唯一Bayes估计量,并对Bayes估计δB的容许性和形如d[c+T(x)]的估计量的容许性进行讨论。其主要结果是:在Mlinex损失函数下,指数分布的尺度参数的唯一Bayes估计是 * ,而且可容许的;形如 * 时是可容许的。(注：*处为公式)
     

Mlinex损失函数下指数分布尺度参数的Bayes估计

在Mlinex损失函数下,求出了指数分布的尺度参数的唯一Bayes估计量,并对Bayes估计δB的容许性和形如d[c＋T（x）]的估计量的容许性进行讨论。其主要结果是：在Mlinex损失函数下,指数分布的尺度参数的唯一Bayes估计是δB=[Г（α＋β）/Г（α＋β-c）]^1/c（λ＋∑i=1^mxi,而且可容许的;形如dEc＋T（z）]的估计量当C〉0,d’〈d〈∞以及当c〉0,d。一d时是可容许的。     

在一类加权平方损失函数下位置参数的同时估计

本文考虑了在一类损失函数下,p个(p≥3)位置参数的同时估计,对均匀分布、双指数分布、t-分布,给出了控制通常估计量的改进估计量。     

关于指数分布参数的两种估计

利用极大似然估计以及方向极大似然估计的概念,分别得到了双参数指数分布的参数的估计量,并证明了双参数指数分布中的两个参数满足双曲线型关系     

位置参数的同时估计

在平方损失下，考虑ｐ（ｐ≥３）个位置参数的同时估计，对均匀分布，双指数分布给出了控制通常估计量的改进估计量，推广了Ｓｈｉｎｏｚａｋｉ的主要结果。     

无偏估计量调整因子的求解

无偏性是衡量统计量优良性的常用标准之一。经济数学教材中，已经证明了正态分布的样本方差是总体方差的无偏估计量，但样本标准差并非是总体标准差的无偏估计量，本文利用Г(z)函数和Ⅹ^2(卡方)分布给出了其调整因子的详细求解过程。另外，对于总体为指数分布、均匀分布的情形，也给出了结果，并用克拉美—劳不等式给予进一步的讨论。     

对称损失下一类指数分布族的Bayes估计

在对称损失函数下,研究了一类指数分布族尺度参数的估计,并研究了它的的可容许性.得到了尺度参数的Bayes估计的一般形式,在共轭先验分布下得到了尺度参数的Bayes估计的精确形式.在此基础上,讨论了一类形式如cT＋d估计量的可容许性和不可容许性. 更多还原     

基于等长区间删失数据的指数分布参数估计研究

在数据是等长区间删失的情况下,利用极大似然法和最小二乘法,给出指数分布参数的两种不同的估计量及其模拟结果.     

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当的条件下获得(EB)估计的速度.     

NA样本下双指数分布位置参数的经验Bayes估计

在平方损失NA样本下获得了双指数分布参数θ的经验Bayes估计,构造了经验Bayes(EB)估计量,证明了渐近最优且收敛速度阶为O(n-(rs-2)/2(s+2)).     

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.     

不同冲击间隔分布下经典δ冲击模型的参数估计1

通过极大似然估计方法,对冲击时间间隔服从[0, b]上均匀分布、参数为λ的指数分布以及一般更新过程的经典δ冲击模型的参数δ、λ和b进行估计,得到了其相应的估计量。     

不同冲击间隔分布下经典δ冲击模型的参数估计

通过极大似然估计方法,对冲击时间间隔服从[0,b]上均匀分布、参数为λ的指数分布以及一般更新过程的经典δ冲击模型的参数δ、λ和b进行估计,得到了其相应的估计量。     

中间删失双参数指数分布的参数估计

考虑中间删失数据的双参数指数分布，我们观测不到落在某个随机区间内的数据．在随机删失区间的端点分布已知的条件下得到参数的矩估计量及其强相合性．     

方差未知时两个正态总体均值序条件下的估计量

讨论了两个正态总体均值在序条件下的改进估计量,样本均值是期望的极大似然估计量,当期望满足序条件且方差未知时,用方差的极大极小估计量代替方差得到了关于期望的一类估计量,此类估计量改进了样本均值.     

作业时间服从指数分布的调度规则失效率分析

研究当作业时间服从指数分布时,作业的随机波动性对基于作业时间的调度规则的影响.对于2项作业以及3项作业的情况,采用概率统计分析的方法,推导出调度规则失效率解析解.对于多项作业的情况,提出产生随机数模拟的模型,给出失效率的无偏估计量和置信区间,并分析模拟的迭代次数的选取及模型有效性.从而得到:在作业时间服从指数分布时,相...     

指数分布参数的E-Bayes方法

基于指数分布定时截尾寿命试验,给出了失效率λ的E-Bayes估计.研究了在超参数取不同密度函数时λ的E-Bayes估计之间的关系和收敛速度以及估计量关于超参数的稳健性,并通过实例,给出了不同超参数下失效率λ和可靠度R(t)的计算结果.     

指数几何混合模型参数的嵌套EM算法

本文介绍了由指数分布和一个截尾分布混合得到的指数几何混合分布模型,简记为EG模型。它的概率密度函数为 *。首先说明了用EM算法在M步中不能求得参数β和p的极大似然估计的显式解,需要用数值解法,然后通过嵌套一个EM算法在另一个EM算法中,外层EM算法是基于混合模型的缺失数据讨论,内层EM算法是针对截尾观测数据的,得到了参数的极大似然估计量。(注：*处代表公式)
     

Warner模型中的Jackknife方法

本文在二值敏感问题随机化调查的wamer模型中引入了Jackknife方法．构造了总体敏感属性比例的Jackknife估计量πJ并讨论了估计量的性质.进而构造了Jackknife估计量方差的估计量方差的估计量.对于一个人为总体计算得到通常估计和Jackknife估计的有关数值结果，说明了本文提出的方法在实际中是一个可用的方法．