随机截尾情形下Rayleigh分布参数的贝叶斯估计

在不同的先验分布和损失函数下给出了未知参数的贝叶斯估计,最后通过随机模拟给出了几种估计的均值和均方误差,说明了其中的两种估计是较优良的.     

捕捉与再捕捉模型下动物总数的Bayes综合估计

在先验信息下,确定动物总数和捕捉概率分别服从离散均匀分布和Beta分布,对捕捉与再捕捉试验推导了封闭总体中个体总数Ⅳ的Bayes点估计与区间估计;另外,对多次重复的捕捉与再捕捉试验推导了个体总数N的Bayes综合估计,最后对一个实例进行了分析.     

Lindley分布中参数的区间估计和假设检验

研究了Lindley分布参数的区间估计和假设检验问题.给出了参数的置信区间和假设检验的拒绝域,并运用随机模拟的方法对参数进行了统计分析.     

基于截尾样本不同损失函数下艾拉姆咖分布参数的Bayes估计

给出了艾拉姆咖分布参数在定数截尾样本下的极大似然估计;在Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计,并证明了所给估计都是容许的;通过实例,对所给的几个估计的优良性进行了分析.     

不同损失函数下艾拉姆咖分布参数的Bayes估计——全样本情形

艾拉姆咖分布在装备的维修理论中具有重要的作用.文中首先给出了这类分布在全样本场合下参数的极大似然估计;由于参数的Bayes估计的优良性与所选取的损失函数有关,因此分别在熵损失、Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计如2n/(2n∑i=1ti+λ)等,并证明了所给估计都是容许的;通过随机模拟比较了几类估计的均方误差以及与真值的偏差,从这两方面来看,在熵损失和平衡损失函数下θ的Bayes估计是较优的;最后通过一个实例,计算了几类估计的值并进行了分析,显示几类估计值相差不大.     

定数截尾样本下Lomax分布的统计分析

首先讨论了Lomax分布参数的最大似然估计;其次在其中一个参数已知时,给出了另一个参数、失效率及可靠度的置信区间;最后对两参数分别进行了假设检验,给出了拒绝域,并通过实例得到了相关结果.     

一种搜索威布尔MLE形状参数的PSO联合方法

以两参数威布尔分布的极大似然估计(MLE)方法为背景,首次将粒子群优化(PSO)算法用于形状参数的MLE估计。在详细分析PSO方法特点和实现的基础上,将基于最小二乘估计(LSE)的线性回归方法和PSO相结合,实现了一种联合优化的方法。与此同时,评析了将LSE和PSO相结合后用于两参数威布尔分布的MLE寻优方法。仿真和实际运用表明,基于PSO的联合方法对威布尔分布的MLE形状参数的搜索具有良好的性质,其具体体现为搜索准确、稳定和快捷。     

求解含等式约束优化问题的遗传算法

针对遗传算法较难处理含等式约束的优化问题,在设计变量独立性分析的基础上对等式约束采用了降维处理方法,不仅使等式约束在优化时始终严格满足,而且经降维处理后优化问题仅包含不等式约束;然后,借鉴多目标优化思想,提出了从个体违反约束程度和违反次数2方面同时对种群进行排序,使算法对个体的排序和选择更符合实际.实例验证了该算法的有效性和可行性.     

一种基于有向图模型的模糊多故障诊断算法

基于最大后验概率准则的复杂系统多故障诊断推理算法依赖于系统先验故障概率的获取.针对这一不足,提出了一种基于有向图模型的系统级模糊故障诊断算法.首先用有向图模型描述大型复杂系统各子系统及故障观测节点问的信息依赖关系,建立故障依赖矩阵;然后在故障观测概率空间建立特征故障观测概率矩阵;在此基础上设计了模糊函数以描述实际观测向量与故障特征向量的相似度,并提出了相应的诊断算法.仿真结果表明该算法具有足够的故障诊断精度和诊断效率.     

逐步Ⅰ型区间删失下逆威布尔分布的参数估计

基于逐步Ⅰ型区间删失样本,通过求解似然方程并不能得到未知参数的极大似然估计.该文利用EM算法得到了参数估计的迭代公式,为了简化计算过程,得到了求参数估计的另一种方法.通过数值模拟可看到:参数估计值与真值非常接近,相对偏差较小,从而说明EM算法是可行的.