定时截尾下Weibull分布参数估计的EM算法

在可靠性统计的定时截尾寿命试验中,最后一个失效时间与截尾时刻之间的信息常被忽略.利用EM算法来处理这一情形,得出Weibull分布中尺度参数的迭代解.并将EM算法与传统的极大似然估计进行了比较,可以看出EM算法明显优于传统的极大似然估计.     

定时截尾下双参数指数模型参数估计的EM算法

利用EM算法讨论在定时截尾试验中最后一个失效时间与截尾时刻之间的信息,得出双参数指数模型中尺度参数的迭代解,并比较了EM算法与传统的极大似然估计,得出EM算法要明显优于传统的极大似然估计.     

定时恒加试验含无失效数据下Weibull分布参数的极大似然估计

本文给出了几种定时截尾恒定应力加速寿命试验中含无失效数据下Weibull分布参数的极大似然估计法,最后,将所提供的方法与现场数据估计结果进行了比较.     

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.     

双边定时截尾下指数威布尔分布的参数估计

基于双边定时截尾样本,考察了指数威布尔分布的极大似然估计,由于无法得到似然方程的显式解的表达式,所以证明了解的唯一存在性.用EM算法可以处理不完全数据下参数的估计问题,得到了EM算法估计的迭代式.用R软件进行了随机模拟,结果表明当样本容量n较大时,采用极大似然估计较为准确,当样本容量n较小时,采用EM算法估计较为准确.     

定时截尾情形下指数分布参数的估计

本文给出了定时截尾情形下指数分布的参数极大似然估计,证明了极大似然估计的强相合性质以及进一步的渐近正态性质.其结果对于其它的总体分布的参数估计具有普遍的现实意义.     

定量恒加试验含无失效数据下Weibull分布参数的极大似然估计

本文给出了几种定量截尾恒定应力加速寿命试验中含无失效数据下Weibull分布参数的极大似然估计法，最后，将所提供的方法与现场数据估计结果进行了比较。     

定时截尾样本数据有缺失情形下单参数对数正态分布的参数估计

主要讨论了在定时截尾样本数据有缺失情形下单参数对数正态分布的参数估计问题，并用极大似然估计的方法对其参数σ进行了估计，最后得出了σ的估计值σ．     

不完全数据情形下指数分布参数的最大似然估计

处理生存分析观测数据使用的参数估计方法有很多，极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时，本文给出了定时截尾数据、定数截尾数据情形的极大似然估计，以及随机右删失下参数极大似然估计的一般表达式。此外，论文还提出了分组数据场合参数极大似然估计的图解求法。     

随机截尾指数寿命数据之参数θ的极大似然估计及其性质

针对随机载尾试验模型,导出了失效数据组的联合分布函数;在受试样本服从指数分布的条件下,获得了参数θ的极大似然估计及其性质,这是相对于定数截尾和定时截尾来说更具有一般意义的结果。     

一类不完全纵向数据的统计推断

借助于EM算法和极大似然估计,讨论了一类特殊的、不完全纵向数据的参数估计和统计推断。     

关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计,得到了在Matlab中利用迭代算法计算参数估计值的方法.     

CAD参数设计的极大似然推断

借用处理残缺数据的极大似然推断EM算法来处理参数推断问题．算法为参数推断提供了一个简单统一的模式，可用于同时推断一组参数，并且适用于小样本的情况．发动机CAD参数推断的一个工程实例表明，该算法对诸多因素影响下的参数推断有较好效果．     

一种三参数Weibull分布极大似然估计的求解方法

提出了一种求解极大似然估计的新算法.根据极大似然估计原理求出尺度参数的表达式,把该表达式代入对数似然函数,使对数似然函数中只包含位置参数和形状参数,把求解非线性方程组问题变成了求解满足约束条件的最优化问题,使问题得到了简化.该法具有计算精度高、运算速度快的优点,利用EXCEL的规划求解即可求解,便于工程应用.     

SQP 优化的最大似然波达方向角估计

为快速实现波达方向角( DOA: Direction Of Arrival) 的精确估计, 提出了应用序列二次规划( SQP:Sequence Quadratic Program)的最大似然DOA 估计算法。给出了用于DOA 估计的最大似然函数, 将参数估计问题转化为非线性函数优化问题; 并利用SQP 优化算法对似然函数的求解进行优化, 得到DOA 的估计值。仿真结果表明, 该算法可用较少的计算时间实现对似然函数的优化求解, 同时保留了最大似然估计的渐进无偏估计性能, 与遗传算法、粒子群算法相比, 不仅具有更快的寻优速度, 而且具有更高的收敛精度。     

模型中协变量部分缺失情况下参数的极大似然估计

研究了Cox比例风险模型中协变量部分缺失参数的极大似然估计问题。在实际问题中特别是对生存分析的研究中,数据经常会出现删失、截断、缺失的情况。如何利用这部分不完整的数据信息和参数的约束信息对于实际问题来说是具有意义的。这样可以提高分析的精度,并节省试验费用。本文利用EM算法得到了数据部分缺失参数的极大似然估计。     

p维TVPAR模型中参数的极大似然估计

采用极大似然估计方法给出一类特殊的p维随时间变化参数自回归时间序列模型(TVPAR(p)模型)中系数参数的极大似然估计, 并导出了参数估计的显式解. 讨论模型平稳的条件, 并对模型进行了模拟计算.     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。