有限混合广义误差分布的极限分布

作为正态分布的推广,广义误差分布是在统计中是应用最广泛的分布之一。有限混合分布在现代统计中的整个发展过程中作为一个模型得到了广泛的研究和应用.这篇文章在广义误差分布的一个重要不等式的基础上研究了有限混合广义误差分布的尾部性质,得到了它的尾部的渐近性质,同时得到了Mill’s率。然后利用有限混合广义误差分布的尾部渐近性质讨论了同服从该分布的独立随机变量序列最大值的极限分布以及如何选择适当的的规范化常数使得最大值的分布收敛到双指数分布。     

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.     

序贯k-out-of-n系统在序约束下参数的假设检验

考虑带有协变量的序贯k-out-of-n模型,假设给定协变量寿命的分布是指数分布族,对指数分布的刻度参数建立对数线性模型,研究在序约束下模型参数的两个假设检验问题,并讨论在序约束下检验统计量的渐近分布为χ~2分布.     

基于矩母函数的多元混合双参数指数分布的分析

多元混合双参数指数分布是可靠性寿命数据分析中的一类重要分布,应用矩母函数获得服从多元混合双参数指数分布的随机变量的各阶矩的明显表达式,线性变换后的随机变量的分布以及来自多元混合双参数指数分布总体的简单随机样本和的分布.     

超有效估计的一个应用

当我们要检验H_0(总体分布属于某个给定的分布族)时,应用Kolmogorov 统计量一般不能获得大样本检验方案。然而,本文证明了当{F(x,θ),θ∈θ}是截断参数型分布函数族时,在较弱的条件下,应用未知参数适当的超有效估计所得的经验过程的渐近分布是Brownian bridge。这样,对于上述检验问题,应用与Kolmogorov统计量相类似的统计量可以构造出许多大样本检验方案。     

一类指数族的线性容许估计的充分条件

本文采用Bayes法.讨论一类各分量是相互独立的参数的指数族分布,在平方损失下,对参数g（θ）=（g_1（θ_1）,g_2（θ_2）,…,g（θ））＇得到了一个容许线性估计的充分条件。     

指数几何混合模型参数的嵌套EM算法(英文)

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f(x;β,p)=β(1-p)e-2βx(2-pe-βx)(1-pe-βx)-2,通过直接积分得到该分布的矩为E(xr;β,p)=p-1(1-p)r!β-r[p-1L(p,r)-1]。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。     

双参数指数型分布最小和最大次序统计量矩的精确计算公式

讨论双参数指数型分布最小和最大次序统计量矩的计算,利用双参数指数型分布矩的递推关系及密度函数的特点获得了它的最小和最大次序统计量各阶矩以及各阶混合矩的精确计算公式.     

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f（x;β,p）=β（1-p）e-2βx（2-pe-βx）（1-pe-βx）-2,通过直接积分得到该分布的矩为E（xr;β,p）=p-1（1-p）r!β-r[p-1L（p,r）-1]。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。     

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)
     

(0,1)区间上一种新的分布族

探讨了取值在(0,1)区间上的随机变量的一种新的分布族,对其各阶矩给出了积分表达公式,证明了这种分布是指数族,并利用数学软件给出了这种分布的几种典型形态.与Beta分布相比,这种分布族的曲线形态更加丰富,同时,这种分布与Gamma分布又有着密切的关系.     

一类多元混合型指数分布的识别性

提出的一类多元混合型指数分布,导出了它的一个特征;并利用该特征,讨论了它的识别性问题。     

关于次指数分布及其相关类的一个性质

次指数及其相关类分布在随机风险理论以及概率论其它诸多领域具有广泛应用．本文利用Lebesgue-Stieltjes积分的性质，推广了Pitman的相应结果，给出了两个非负独立随机变量最小值服从指数或次指数分布的一般性充分条件．作为推论，如果两个非负独立随机变量都服从指数或次指数分布，那么其最小值也服从指数或次指数分布．     

混合指数分布动态样本比例中参数估计

混合指数分布是寿命数据分析中的一个非常重要的统计模型.产品老化导致混合指数分布样本的比例是动态的.在寿命试验中,应用EM算法研究了混合指数分布以动态样本比例的形式在完全数据与截尾数据场合的参数估计问题.所得结论用Monte Carlo进行模拟,比较符合试验实际.     

广义非线性混合效应模型的变离差检验

应用混合效应方法研究了广义族非线性模型的变离差检验问题。对离散和连续两类指数族分布，提出了若干个有效的检验统计量，所有统计量都可用简单、便于计算的矩阵公式来表示，这些结果和方法可应用于广泛的实际问题与实际模型并利用务浆渗透数据来说明方法的有效性。     

系统寿命分布估计中的模式识别

在由多个指数分布组成的元件系统中,给出系统的分布函数将有助于对系统的寿命特征进行更精细的研究.利用Gibbs抽样法给出了混合指数分布的极大似然估计和最大后验估计.通过引进识别变量,对系统寿命数据进行分类识别,从而更好地监控系统中各元件的工作状况,为系统的可靠运行提供保证.     

完全极大似然估计

证明了关于完全极大似然估计的一个重要定理,说明当参数的2个不同的变换的某些分量完全相同时,它们的完全极大似然估计是相同的,另外,给定了正态分布和负指数分布的参数以一定的先验分布,在此基础上计算它们的完全极大似然估计,得到了与贝叶斯参数估计形式非常相似的结果。     

多个子总体混合分布的参数估计

混合分布是数据分析中一个重要的统计模型,但是利用正规的统计方法如矩估计,极大似然估计等估计模型的参数比较困难,而应用EM算法可研究多个子总体的混合分布在正常工作条件下的参数估计问题.     

个体保单在两种分布模型下的平均索赔额

本文在索赔次数服从混合Poisson分布与复合Poisson—Geometric分布的基础上,当个体保单索赔额服从指数分布时,给出了累计索赔额服从的分布及个体保单的平均索赔额表达式．