混合加速寿命试验模型下威布尔分布参数的统计分析

在混合加速寿命试验模型（序进应力加速寿命试验和恒定应力加速寿命试验相结合）下，讨论了寿命分布为威布尔分布时的参数估计问题，给出了形状参数的逆矩估计以及加速系数的置信区间．并且随机模拟一组样本，验证了这个方法的有效性．     

等级反应模型的Gibbs抽样方法

探讨了MCMC算法在多级评分项目反应模型参数估计中的实现及其估计精度.针对等级反应模型,基于数据扩充技术,提出了一种高效灵活的Gibbs抽样方法,得到了各个参数的Markov链.随着潜在变量的引入,每个参数的满条件分布为相应参数的先验分布的截断分布.这种抽样方法适用于任何类型的先验分布,不受先验分布形式的约束.对应每个...     

对称损失下一类刻度分布族参数的估计

q对称熵损失函数L(θ,δ)=θ_q/δ_q+δ_q/θ_q-2(0-νe_-T(x)/θ参数θ的估计, 得到 了θ的最小风险同变(MRE)估计及Bayes估计的一般与精确形式, 并讨论了θ的形如cT(X)+d的一类线性估计的可容许性和不可容许性以及θ的MRE估计的最小最大性.     

Hermitian随机矩阵特征值

利用随机矩阵理论中的矩方法研究一类Hermitian随机矩阵极端特征值的极限性质.结果表明,Hermitian随机矩阵的极端特征值几乎处处有界;特别地,对任意固定整数m,有limn→∞infλ_m(1/n~(1/2))H_n≥2σ,limn→∞supλ_(n-m)(1/~(1/2)H_n)≤-2σ,其中σ~2=mink,lσ~2_(kl).     

基于三参数Logistic模型Gibbs抽样方法的敏感度分析

通过蒙特卡罗(Monte Carlo,MC)方法研究了三参数Logistic(three-parameter Logistic,3PL)模型的Gibbs抽样方法的估计效果.首先,介绍了 3PL模型的定义和参数的先验分布;其次,介绍了潜变量的引进及Gibbs抽样过程;最后,进行了模拟实验,考虑了不同的测试长度n=10,2...     

具有部分缺失数据的两个瑞利分布总体参数的估计与检验

研究具有部分缺失数据的两个瑞利分布总体中的参数估计问题以及两总体参数相等的假设检验问题.证明了估计的强相合性以及渐近正态性,给出检验两总体参数相等的检验统计量以及检验统计量的极限分布.     

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式．     

Rstan包在四参数Logistic模型参数估计中的应用

Stan程序是一种用于估计统计模型的概率编程语言,Stan有命令行Shell的Cmdstan接口、Python的Pystan接口、R的Rstan接口、Matlab的Matlabstan接口,这些接口可以在Windows、MacOSX和Linux上运行,并且是开源许可的。R软件中Rstan软件包主要采用MCMC(Markov chain Monte Carlo)算法,并用来估计四参数Logistic模型(4PLM)。Rstan的实现主要2种MCMC算法:HMC算法和The No-U-Turn采样器算法,计算效率要优于Gibbs抽样和Metropolis算法,不仅如此,这2种算法适用于任何先验分布。首先,介绍了四参数Logistic模型的定义(即在三参数Logistic模型的基础上增加一条小于1的上渐进线,称为失误参数);其次,介绍了Rstan实现的2种计算效率更高的MCMC算法,还介绍了如何使用Rstan包判断估计参数收敛的方法;最后,通过模拟试验验证了Rstan包在四参数Logistic模型参数估计的有效性及可行性。     

IRT框架下不可忽略缺失数据的Bayes估计

项目反应理论主要研究被试在测验项目上的反应和成绩与潜在特质间的关系,能否有效的估计模型中的参数是项目反应理论能否得以应用的前提。数据的完整性对参数估计有一定的影响。而项目反应过程中,数据的缺失是常见的。缺失数据的机制影响了处理方法。因此,针对不可忽略缺失数据,利用潜变量建模法,采用等级评分模型拟合观测指标,Rasch模型拟合缺失指标。同时用Gibbs抽样法抽取参数,给出估计。通过模拟研究,验证了所用方法有效的减小了由于忽略缺失数据估计参数时产生的偏差。     

多维二参数Logistic项目反应模型的Gibbs抽样法

项目反应理论主要有3个基本假设：单维性,局部独立性和单调性。但是这3个假设存在一些弊端亟待解决。一些科学研究表明,用单维模型来模拟多维测量数据往往会增大测量误差,导致对学生的能力做出不正确的推论。因此,研究者基于各种不同的测验背景,将单维项目反应模型推广到多维项目反应模型。多维项目反应模型涉及到的参数较多,如果采用传统的估计方法,如边际最大似然法和贝叶斯众数估计法处理起来比较困难。然而,在项目反应理论中,Gibbs抽样法可以作为一种高效灵活的估计方法加以应用。基于Gibbs抽样的增加数据的技巧,给出了多维二参数Logistic项目反应模型的Bayes估计方法。随着潜在变量的引入,每个参数的满条件分布都很容易得到,并且不受先验分布选取的限制,这样Gibbs抽样的方法就很容易实施。