基于Logistic总体Ⅱ型截尾样本分布参数的渐进置信估计

利用Logistic分布的若干个样本分位数和广义最小二乘法,给出了基于Logistic总体Ⅱ型截尾样本分布参数的渐进置信估计,在样本足够大的情况下,该方法简单有效。     

损伤可加冲击模型的可靠性指标

研究了Poisson-Geometric过程的性质,针对损伤次数分别为泊松过程及Poisson-Geometric过程的冲击模型,在损伤可累加的情形下,研究了期望损伤、可靠度和平均寿命等可靠性指标。     

保费收取次数为负二项随机序列的风险模型

讨论了保费收取次数是负二项随机序列时的情形,得到了破产概率满足的Lundberg不等式和破产概率的上界.     

分组数据场合逆威布尔分布参数贝叶斯估计的混合Gibbs算法

作者利用混合Gibbs算法(Gibbs抽样与Metropolis算法的混合)给出了分组数据场合逆威布尔分布参数的贝叶斯估计,然后通过Monte-Carlo模拟考查了贝叶斯估计的均值、均方误差及参数的可信区间,并与极大似然估计比较,给出了混合Gibbs抽样过程中相应参数的轨迹图、直方图及自相关系数图.在五组分组数据场合用混合Gibbs算法求逆威布尔分布参数的贝叶斯估计都得到了比较满意的结果,表明该算法可行、稳定、并且有效.     

δ-冲击模型及随机检测

讨论了δ-冲击模型,在泊松冲击流下给出了一些可靠性指标:系统可靠度函数和首次故障前平均时间。在假设检测间隔形成一个泊松过程的条件下,利用随机的思想来研究遭受随机冲击系统的最优检测问题。     

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。     

三参数威布尔分布贝叶斯估计的混合Gibbs算法

利用混合Gibbs算法(Gibbs抽样与Metropolis算法的混合)给出了完全样本和定数截尾样本两种情形下三参数威布尔分布的贝叶斯估计.作为应用举出了三个实例,通过Monte Carlo模拟求得参数的贝叶斯估计及可信区间,给出混合Gibbs抽样过程中参数的轨迹图、直方图及自相关系数图,并将模拟结果与相关文献进行了比较.     

停止损失再保险

综合考虑原保险人和再保险人的利益,建立投再保险保费定价模型,可以为保险公司提供最优的再保险决策依据.     

保费定价原理及其性质

研究保费的计算原理及其系列合理的性质，在大量个体风险并存的保险业务中，利用修整保费原理对组合风险进行定价．     

泊松过程的随机模拟及参数估计

研究了泊松过程的随机模拟,给出泊松过程的最大后验密度可信区间,借助Matlab软件对此展开探讨并给出了模拟程序。