Gompertz分布尺度参数的最短区间估计

研究了Gompertz分布尺度参数的极大似然估计和区间估计方法,给出了Gompertz分布尺度参数的最短区间估计方法;通过实例验证了尺度参数的置信区间包含其极大似然估计值,指出了最短区间估计方法较传统区间估计方法的优越性。     

负二项分布参数的贝叶斯区间估计问题

研究了在先验分布为贝塔分布下，负二项分布未知参数θ的贝叶斯区间估计方法。借助Beta分布与F分布的关系给出了参数θ的一般后验区间估计，并给出了参数θ的最短后验区间估计的条件极值解法。通过对参数取值不同的密度曲线形状的讨论分析和数值实例对比，得出结论：在小样本情况下，最短置信区间估计方法值得采用。     

伽玛分布参数的最短区间估计与最佳双边检验

证明了伽玛分布参数的最短区间估计与最佳双边检验是存在且唯一的,同时给出了最短区间估计与最佳双边检验需满足的条件;并与传统的区间估计和双边检验进行了比较,得出在小样本情况下讨论参数的最短区间估计和最佳双边检验是必要的。     

逐步增加II型截尾下Pareto分布参数的区间估计

基于逐步增加的Ⅱ型截尾,讨论了Pareto分布形状参数和尺度参数的区间估计。得到了两参数的区间估计和联合区间估计。最后以估计区间的最短长度为标准,通过数值模拟得到参数的最优区间估计方法。     

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.     

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。     

基于MATLAB小样本的最短置信区间

研究了小样本抽样正态总体参数的最短置信区间,对单峰非对称分布给出了最短区间估计MATLAB实现;并通过实例分析其对小样本区间估计的优越性.     

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。     

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。     

逐次定数截尾模型下双参数指数分布的区间估计

基于逐次定数截尾模型下,讨论了双参数指数分布形状参数和尺度参数的区间估计,得到了两参数的区间估计和联合区间估计.最后以估计区间的最短长度为标准,通过数值模拟得到参数的最优区间估计方法.     

基于贝塔分布的最优置信区间研究

基于贝塔分布的概率特征性质,该文研究了一类特殊的贝塔分布的最优区间估计; 进而,将得到的区间估计与等尾置信区间进行了比较.结果表明:使用最短置信区间作为未知参数的区间估计,估计的精度得到显著提高.最后,利用数值模拟的方法给出了贝塔分布的最短区间估计用表.     

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.     

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。     

Estimation of statistical power and false discovery rate of QTL mapping methods through computer simulation

Many QTL mapping methods have been developed in the past two decades.Statistically,the best method should have a high detection power but a low false discovery rate (FDR).Power and FDR cannot be derived theoretically for most QTL mapping methods,but they can be properly evaluated using computer simulations.In this paper,we used four genetic models (two for independent loci and two for linked loci) to illustrate power and FDR estimation for interval mapping (IM) and inclusive composite interval mapping (ICIM).For each model,we simulated 1000 populations each of 200 doubled haploids.A support interval (SI) was first defined to indicate to which predefined QTL the significant QTL belonged.Power was calculated by counting the number of simulation runs with significant peaks higher than the logarithm of odds (LOD) threshold in the SI.Quantitative trait loci not identified in any SIs were viewed as false positives.The FDR is the rate at which QTLs are identified as significant when they are actually non-significant.Simulation results allowed us to estimate power and FDR of IM and ICIM for two independent and two linkage genetic models.Our estimates allowed us to readily compare the efficiencies of different statistical methods for QTL mapping,including the ability to separate linkage,under a wide range of genetic models.We used IM and ICIM as examples of how to estimate power and FDR,but the principles shown in this paper can be used for power analysis and comparison of any other QTL mapping methods,especially those based on interval tests.     

四单元混联系统屏蔽数据的统计分析

推导了四单元混联系统屏蔽数据场合下的似然函数,并且给出了常数失效率单元和线性失效率单元所组成的四单元混联系统屏蔽数据的参数的极大似然估计,以及采用似然比构造区间估计的方法得到参数的近似区间估计.     

单峰分布的置信区间

讨论了单峰分布的最短置信区间的问题。设单峰分布的概率密度为ｆ（ｘ），ｘ０为其峰点。若区间满足：１）；３）则为该分布置信度为１－α的最短置信区间。