正态均值的线性置信区间

从统计决策理论角度研究了正态均值的线性置信区间。在平方损失下给出了关于线性置信区间的Rao-Blackwell定理，并证明了常用的置信区间是最优线性无偏置信区间。     

Bootstrap方法下的Poisson分布置信区间估计

文章研究了参数为λ的Poisson分布的Bootstrap置信区间,通过模拟计算,用此方法得到的Bootstrap置信区间的精度明显优于用经典方法得到的置信区间.     

固定设计点情形下回归函数值的区间估计

对于固定设计点情形下的非参数回归模型,基于核估计的方法给出了回归函数的逐点置信区间和修正偏差置信区间.所给置信区间在相对较弱的条件下是渐近精确的.考虑到窗宽的选取对核估计和区间估计的重要影响,给出了适合所给置信区间的核估计窗宽的迭代选取方法.模拟结果显示迭代法收敛,且选取的窗宽表现良好,置信区间有令人满意的覆盖率.     

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。     

非对称损失下正态均值的区间估计

考虑非对称损失下正态均值的区间估计, 在位置变换群下给出容许的最优同变置信区间, 其为通常置信区间的推广. 同时, 利用估计问题中对序限制下参数估计量的改进方法, 结合分布参数之间的序限制改进了所得的最优同变置信区间, 构造了一族改进置信区间.     

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.     

正态分布方差的UMPU检验和UMAU置信区间研究

传统的正态分布方差的双侧检验中,使用x~2分布的双侧分位点得到的显然并不是一致最优势无偏检验(UMPUT).证明了正态分布方差的UMPUT的存在唯一性,并对容量n从4到39时,分别计算出了显著性水平α=0.10,0.05,0.01时的UMPUT拒绝域的临界值.传统方法(按概率对称)得到的置信区间一般不是UMAU(一致最准确无偏)置信区间,后者是按UMPUT对偶关系得到的置信区间,文中计算的UMPUT拒绝域的临界值显然是用来构造UMAU置信区间的.并对传统方法的置信区间与文中求出的置信区间的长度进行了对比分析,结果表明:在n≤39时,中求得的置信区间将会使精度显著提高.     

正态均值常用估计区间的改进

从统计决策理论角度考虑了正态均值置信区间的改进问题.利用未知分布参数之间的序限制,通过使用改进估计量的IERD方法,对无序限制情况下正态均值的minimax置信区间进行了改进,构造了一族改进置信区间.     

关于二项分布比例参数置信区间的一点注记

针对二项分布比例参数的大样本置信区间,Agresti与Coull提出一种改进的Agresti-Coul置信区间。文章模拟研究Agresti-Coul置信区间的表现,证明它包含二项分布比例参数的大样本置信区间,同时也发现它只能在成功次数不低于5时可用。对于二项分布比例参数点估计为0%的情形,文章给出了一种替代估计形式。     

正态总体方差最短置信区间的估计

用传统对称方法得到的正态总体方差的置信区间显然不是最短的,因而从精确度这个意义上说也不是最佳的。从置信区间的定义出发,运用数值计算的方法,对于给定的置信度1-α=0.90,0.95和0.99,在样本容量n从6到35的范围内,求得了方差σ2的最短置信区间,并与用传统对称方法求得的置信区间与最短置信区间的长度进行了对比研究。结果表明,在样本容量n较小情形下,用最短置信区间来作方差σ2的区间估计,将会显著提高估计的精确度。     

基于delta方法泊松分布参数的近似信仰推断

文章主要研究了Poisson分布参数λ的近似信仰推断,利用对数变换后的估计量的渐近正态性对λ建立近似的枢轴方程,并得到其近似信仰分布和置信区间。模拟结果表明,近似信仰区间与Wald置信区间的平均长度几乎无差异,但近似信仰置信区间覆盖概率明显优于Wald置信区间的覆盖概率。     

排序集抽样下样本参数的修正区间估计

研究了排序集抽样下样本参数的修正极大似然估计的性质,并以此估计为基础构造了样本参数的修正区间估计.研究表明:在相同的置信水平下,基于排序集抽样的样本参数的修正区间估计较传统的置信区间具有更高的精度.     

岩样单轴抗压强度区间估计分析

基于岩石单轴抗压强度为正态分布随机变量,利用数理统计理论对岩样单轴抗压强度置信区间、置信度等问题进行了系统的分析研究,整理并推导出了岩样单轴抗压强度"区间估计指标"的理论计算公式,并分析了岩样单轴抗压强度样本均值、样本标准差、总体均值置信区间、总体标准差置信区间等与岩样数量之间的关系,最后利用前人试验数据进行了验证应用与分析。结果表明:现有"单值点指标"方法给出的数据"信息不足",导致不同试验条件下得到的各组试验数据之间的横向比较的可靠性得不到保证,而"区间估计指标"可克服其不足,且在岩样数量较小时仍可使用,只是其置信度会较低(置信区间宽度会较大);当岩样数量较小时,样本标准差的波动性比样本均值的波动性约高一个数量级,样本标准差的随机性与离散性更大且达到收敛稳定所需的岩样数量也更大;岩样单轴抗压强度的"区间估计指标"置信区间、置信度等与岩样数量、岩样非均质性、岩样强度分布的随机性等有关。     

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.