指数分布区间型删失数据的可靠度最优置信下限

由于测量仪器的精度,测量方法等原因,往往不能得到产品精确的失效时间,得到的是区间型删失数据.本文讨论了指数分布区间型删失数据下的可靠度最优置信下限的估计问题.首先采用极大似然估计方法对指数分布区间型失效数据的失效率进行了估计,然后对每个区间型失效数据采用期望值对其失效时间进行估计,通过估计出的失效时间估计出了可靠度的最优置信下限,并给出了计算机模拟结果.     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计。该区间估计形式简单,易于计算。给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟。     

部分线性反映变量含误差模型的经验似然置信区域

目的研究部分线性反映变量含误差模型。方法发展了经验似然比方法,将其应用到部分线性反映变量含误差模型。结果得到了W ilks定理的非参数形式,定理用来构造参数向量的渐近置信区域。结论参数β的置信区域也可由其他方法来构建,但与正态逼近或自助法相比,经验似然方法在实践中更直接和简单。     

两m相依样本参数差异的经验似然置信区间

本文将经验欧氏似然应用于半参数模型,讨论了在此模型下两强平稳m相依样本参数差异的经验欧氏似然置信区间,证明了其经验欧氏似然比统计量的渐进χ^2分布性,并给出其经验似然置信区间.     

指数分布场合下基于分组数据区间估计的新方法

从新的角度证明了分组数据下指数分布总体均值的极大似然估计(MLE)的渐进正态性,给出了该均值的渐进置信区间。通过Monte Carlo模拟比较,发现该置信区间优于CHEN和MIE得到的置信区间。     

VaR模型在我国金融风险管理中的运用研究

近20多年来金融市场迅猛发展,金融机构所面临的风险日趋复杂,主要风险已从信用风险转向了市场风险,表现为利率风险、股价风险和汇率风险的综合。我国金融市场是一个发展中的新兴市场,建立适应于我国金融市场的风险预测模型对我国金融风险管理十分必要。文章从研究VaR模型的具体操作方法入手,分析VaR法对于我国金融市场风险管理的影响,探讨VaR法在我国风险度量和金融监管中存在的问题并提出改进策略。     

35SiMn调质齿轮弯曲疲劳强度的试验研究

在齿轮设计中,国产材料齿轮的弯曲疲劳极限应力仍然缺乏可靠的试验数据,大多是沿用ISO6336提供的数据。而国内、外的齿轮材料在许多方面都存在一定的差异,以致影响齿轮设计的可靠性。笔者就35SiMn调质齿轮弯曲疲劳强度作了试验研究。试验在进口的STRON1603型电磁谐振疲劳试验机上完成。短寿命区采用四级恒定应力水平的成组试验法,长寿命区采用应力升降法。在试验数据的基础上,根据统计学原理,拟合出完整的C-R-S-N曲线,并获得各种可靠度下的弯曲疲劳曲线,从而为国产材料齿轮设计提供了必要的基础数据。     

指数分布参数置信区间的最短化研究

从置信区间的本质意义出发，通过数值计算的方法，对于给定的置信度0．90，0．95和0．99，在样本容量从2到22的范围内，求得了指数分布参数的最短置信区间，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：在小样本(≤11)的情形下，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。     

快速口音自适应的动态说话人选择性训练

为解决语音识别系统实用中的说话人口音快速自适应问题,提出了一种动态说话人选择性训练方法。基于说话人选择性训练方法,采用基于Gauss混合模型似然分数计算的置信测度选择训练用说话人,改变训练用说话人的绝对数目选取方式,提高了选取的效能并拓展了选取标准的推广性。根据各个训练用说话人同被适应说话人的不同似然程度,加权地合成动态说话人选择性训练的语音模型,提高了自适应训练的效果。实验表明:该方法使识别率从80.16%提高到84.12%,相对误识率降低了19.96%,在实用中提高了基线系统的识别性能。     

非对称损失下正态均值的同变置信限

从统计判决理论角度研究了非对称损失下正态均值置信限的估计问题。在位置及位置尺度变换群下，给出了总体方差已知或未知时正态均值的最优同变置信限并讨论了相关的问题。