正态-极值Ⅰ型模型可靠概率的最小方差无偏估计

本文讨论了正态-极值Ⅰ型的结构强度-应力模型可靠概率的最小方差无偏估计。得到了正态和极值Ⅰ型的某些分布参数为未知的七种场合的可靠概率的最小方差无偏估计的表达式。其结果列于附表1中。     

一致最小方差无偏估计的一点探讨

本文主要给出了一致最小方差无偏估计的一个充要条件,并通过举例探讨了求一致最小方差无偏估计的若干方法。     

GAMMA型单元及串联系统可靠性的UMVUE

讨论寿命服从单参数GAMMA分布单元平均寿命的极大似然估计和一致最小方差无偏估计;应用BASU定理求出了单元可靠度及串联系统可靠度的一致最小方差无偏估计．     

双参数指数分布门限参数估计的讨论

针对双参数指数分布门限参数的两种最常用估计“极大似然估计和最小方差无偏估计”的缺陷,提出了一种新的估计方法,给出了最小方差无偏估计不合理程度的一个度量,统计计算结果表明了新估计的优良性.     

椭球等高分布情形下扩展增长曲线模型中协差阵的最优估计

在椭球等高分布情形下给出了扩展增长曲线模型中协差阵的最小模估计,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件。     

增长曲线模型中协差阵的最优估计

在椭球等高分布情形下给出了增长曲线模型中协差阵的最小模估计,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件.     

增长曲线模型中协差阵与回归系数阵的最优估计

在椭球等高分布情形下给出了增长曲线模型中协差阵与回归系数阵的最小模不变二次加线性无偏估计,并得到了最小模不变二次加线性无偏估计成为一致最小方差不变二次加线性无偏估计以及一致最小方差不变二次加线性无偏估计存在的充要条件。     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

未决赔款准备金的一致最小方差无偏估计

在累积赔款额流量三角形的基础上,假设进展因子服从对数正态分布,得到未决赔款准备金的一致最小方差无偏估计及估计量的方差的一致最小方差无偏估计.     

生长曲线模型中协差阵的一致最小方差非负二次无偏估计

在准椭球等高分布下给出了生长曲线模型中ｔｒ（ＣＶ）的一致最小方差非负二次无偏估计存在及任一个非负二次估计成为一致最小方差非负二次无偏估计的充要条件。     

最优加权最小二乘估计与线性无偏最小方差估计性能比较

在给定的线性模型下,讨论了最优加权最小二乘估计与线性无偏最小方差估计性能比较,在噪声方差矩阵可逆条件下,可算出线性无偏最小方差估计与最优加权最小二乘估计方差的差表达式,并在一定条件下,两者趋于一致。     

极值Ⅰ型分布下p=Pr(yn>n-1∑i=1aiyi)的估计

给出 y1,y2,...,yn相互独立服从极值Ⅰ型分布且某些分布参数未知时, 可靠度p=Pr(yn>n-1∑i=1aiyi)的最小方差无偏估计及置信下限.     

正态总体误差方差的经验Bayes估计及其优良性

对正态总体误差方差在共轭先验分布和加权平方损失下导出了其Bayes估计,构造了其参数型经验Bayes(PEB)估计,研究了其在均方误差(MSE)准则下相对于一致最小方差无偏估计(UMVUE)的优良性.当先验分布中的超参数完全未知时,通过数值模拟比较了PEB估计和UMVUE的均方误差,获得了PEB估计的优良性.     

双参数指数分布的参数估计(Ⅰ)

本文讨论了双参数指数分布的参数估计和区间估计问题,分别给出参数的最大似然估计,Bayes估计和最优线性无偏估计,并且给出了一致最小方差无偏估计。     

极值Ⅰ型分布下p=P_r(y_n>sum from i=1 to n-1 (a_iy_i))的估计

给出 y1,y2 ,… ,yn 相互独立服从极值Ⅰ型分布且某些分布参数未知时 ,可靠度 p =Pr(yn >∑n-1i=1aiyi)的最小方差无偏估计及置信下限 .     

协方差的最优二次型无偏估计

在二维总体与正态分布具有相同的前四阶矩的条件下,利用矩阵迹的一个不等式,讨论了协方差的二次型估计.证明了一个常用的估计量为协方差的最小方差二次型无偏估计.     

方差分量模型中混合参数函数的估计(Ⅱ)

在方差分量模型中,本文考虑形c’β β’Bβ f’θ的参数函数的估计问题.得到无偏可估条件和局部最小方差无偏估计的表达式.     

对数正态分布参数的UMVUE

讨论与对数正态分布ＬＮ（μ,σ２）均值、方差等有关的二类参数ｅγμ＋ρσ２（γ,ρ已知）与ｅγμ＋ρσ（γ,ρ已知,ρ≠０）的点估计问题,分别得到了它们的一致最小方差无偏估计。作为特例,给出了均值、方差、众数、中位数等的一致最小方差无偏估计     

负二项分布参数的UMVU估计及其渐近有效性

通过讨论负二项分布族的充分完备统计量 ,可给出未知参数θ的一致最小方差无偏估计 ,并通过Cramer Rao不等式及其无偏估计下界的讨论 ,证明了θ的惟一的UMVU估计是渐近有效估计     

线性模型下输入矩阵的最优设计

线性无偏最小方差估计与最优加权最小二乘估计是线性模型下两种最常用的估计方法。前者估计性能优于后者，但需要被估计量的一、二阶矩信息。作者深入讨论了这两种估计的关系，得到了二者在均方误差意义下等阶的充要条件，进而找到一种设计输入矩阵的方法，使得在先验信息缺乏的条件下，仍可利用最优加权最小二乘估计达到与线性无偏最小方差估计一样优越的估计性能，避免了获取先验信息的困难，同时保持了估计的最优性。