双边定时截尾样本下复合瑞利分布的参数估计

利用极大似然法和EM算法研究了双边定时截尾样本下复合瑞利分布参数的极大似然估计.给出了参数的极大似然估计的存在唯一性证明和参数的EM迭代公式,借助Louis算法得到了EM估计的近似区间,随机模拟结果表明极大似然估计与EM估计相比,估计值较接近真值.     

基于EM算法的无失效数据的参数估计

利用EM算法,在无失效数据样本下,对指数分布和Weibull分布的参数进行估计,得到了参数所满足的非线性方程或方程组.并利用EM算法的收敛性,保证用迭代的方法得到的非线性方程或方程组的近似解,正是收敛于参数真值的估计.最后对实际数据进行模拟计算,得到了合理的结果.     

基于数据分组与右删失情形下一般瑞利分布的参数估计

研究了一般瑞利分布在分组与右删失情形下参数的估计问题,利用EM算法求出了参数的极大似然估计,最后模拟结果表明这种方法具有良好的收敛性与可行性．     

截断删失数据下泊松分布参数的点估计

利用EM算法和MCMC方法对截断删失数据下泊松分布寿命参数的点估计进行了研究.利用逆变换法和舍选法对缺损数据进行了填充,获得了产品的完全数据,得到了参数的EM迭代公式.对满条件分布进行了抽样,把Gibbs样本的算术平均值作为参数的MCMC估计.随机模拟的估计效果较好,估计值比较稳定,且精度较高.     

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)
     

一类混合正态分布参数估计的EM算法和数据扩张

从解析的角度得到混合正态分布参数的ML估计是很困难的.通过引入“缺失数据”,利用Little和Schluchter（1985）提出的处理分类和连续数据的方法,给出具有相同协方差阵的混合正态分布参数估计的EM算法和数据扩张算法.     

分组与删失数据下几何分布的参数估计

研究了当寿命分布为几何分布时,观测数据分组与可能删失的情况下的参数估计,利用EM算法求出了参数的MLE估计,在平方损失下得出了参数的Bayes估计,并应用近似Beta分布加权和的方法得出了参数的近似的Bayes置信下限.     

混合指数族分布的参数估计

构造混合指数族分布,分别在正常工作条件下和恒加应力加速寿命试验条件下的完全数据场合、定时截尾和定数截尾的情形下,利用EM算法估计混合指数族分布的参数,综合文献进而得到更一般的结论.最后通过模拟,讨论了一种特殊的混合指数族分布的参数估计问题.     

混合分组数据下交叉步进加速寿命试验的参数估计

讨论双应力交叉步进加速寿命试验在获得混合分组数据情况下参数的极大似然估计问题.当产品的寿命服从指数分布,利用EM算法给出参数极大似然估计的迭代式,并提供迭代运算的初值.     

带有不完全信息随机截尾试验下伽玛分布尺度参数的点估计

首先通过添加数据得到了带有不完全信息随机截尾试验下伽玛分布的完全数据似然函数,然后分别利用EM算法和MCMC方法对尺度参数进行了估计,最后进行了随机模拟试验,结果表明尺度参数点估计的精度比较高.