NA样本下双指数分布位置参数的经验Bayes估计

在平方损失NA样本下获得了双指数分布参数θ的经验Bayes估计,构造了经验Bayes(EB)估计量,证明了渐近最优且收敛速度阶为O(n-(rs-2)/2(s+2)).     

在LINEX损失下指数分布刻度参数EB估计的渐近最优性

在LINEX损失函数下,研究指数分布刻度参数的非参数的经验Bayes(EB)估计问题.在此损失函数下,找出参数的Bayes估计,利用抽到的样本,采用密度函数的核估计方法,构造总体X的边缘密度函数,得到参数的EB估计,指出这种EB估计是渐近最优的,它的收敛速度为0(n-γs(l-2)/(2s+1)l),并且这种EB估计方法可推广到多参数情形,举例说明它的应用.     

在NA样本下一类双边截断型分布族参数的经验Bayes估计

在平方损失下,讨论一类双边截断型均匀分布族参数的经验贝叶斯(EB)估计的渐近性.按照贝叶斯(Bayes)方法,导出均匀分布族参数的 Bayes 估计,利用历史样本,采用概率密度函数的核估计方法,构造出边缘密度函数的估计,从而得到参数的EB估计,在一定的条件下,证明所得到的EB估计是渐近最优的,而且得到了其收敛速度,最后举例说明满足定理条件的参数的先验分布是存在的     

双指数分布位置参数的经验Bayes检验问题:NA样本情形

讨论了双指数分布位置参数的经验Bayes（EB）检验问题,利用同分布NA样本构造了EB检验函数,在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度．     

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。     

PA样本下刻度指数族参数的渐近最优的EB估计

本文在PA样本下研究刻度指数族参数的渐近最优的经验Bayes估计,在刻度平方误差损失函数下导出参数的Bayes估计,利用核估计的方法构造了参数的EB估计,并且证明这种估计的渐近最优性,最后给出一个例子.     

NA样本下单边截断型分布族位置参数的经验Bayes估计

该文在充分运用同分布 N A样本密度函数的核估计方法的情况下 ,构造出了一类单边截断型分布族位置参数θ的经验 Bayce(EB)估计 ;由分析可知 ,在适当的条件下 ,证明了位置参数θ的 EB估计的收敛速度 O(n- q) ,其中 q =λα(δ -2 ) /(2α + 4)δ,α >0 ,1>λ >0 ,δ >2。     

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当的条件下获得(EB)估计的速度.     

双参数指数分布参数的最短区间估计

研究了双参数指数分布的区间估计方法.首先讨论了当其中一参数为已知,而另一参数未知时,双参数指数分布尺度参数基于选定枢轴变量的最短区间估计方法;然后讨论了两参数均未知的情况下,参数的最短置信区间估计方法.     

对称损失下一类指数分布族的Bayes估计

在对称损失函数下,研究了一类指数分布族尺度参数的估计,并研究了它的的可容许性.得到了尺度参数的Bayes估计的一般形式,在共轭先验分布下得到了尺度参数的Bayes估计的精确形式.在此基础上,讨论了一类形式如cT＋d估计量的可容许性和不可容许性. 更多还原     

连续分布函数的最优不变估计

给定来自一未知连续分布函数F的容量为n的子样，考虑分布函数F的不变估计问题．在损失函数L(F，α)=∫|F(t)-a(t)|^rF^a(t)(1-F(t))^βdF(t)，α，β≥-1下，在r=1时得到了F的最优不变估计．从而将结论推广到更一般的情形，且所采用的方法较简洁有效．     

正态分布根方差的估计及其应用

用四分位极差的方法估计正态分布的根方差,研究了子样四分位极差及根方差估计的密度函数,并结合实例,说明了四分位极差估计具有稳健性.     

简单双线性时间序列模型参数的矩法估计及其渐近分布

本文研究简单双线性时间序列模型ｘｔ＝ｅｔ＋ｂｅｔ－１ｘｔ－１，｜ｔ｜＝１，２…参数ｂ和σ２的矩估计问题，证明估计量的渐近正态性。     

正态分布均值变点估计的收敛性

KoKoszka和Leipus先前讨论了独立序列中均值变点估计的相合性,而该文讨论了较为特殊的情形,即正态分布均值变点问题,利用CUSUM方法,研究了独立正态随机变量序列中方差不发生变化时,均值变点估计的相和性,并得到收敛速度.     

缺失数据p-范分布的极大似然估计

讨论了具有部分缺失数据p-范分布总体的未知参数σ的极大似然估计,证明了估计量的强相合性和渐近正态性。     

机组有功功率优化分配

通过一个两端供电网的示例,讨论发电机组间有功功率优化分配的问题。由网络分解、等耗量微增率准则来计算机组间的有功功率分配。并通过机组有功功率最优分配与平均分配的对比,得出有功功率最优分配可以节约一次能源消耗。     

双臂机器人协调运动载荷分配的优化方法

针对双臂机器人搬运工件的协调运动,研究载荷分配的优化方法,在协调运动动力学方程基础上,首先给出载荷分配的最小范数法,其次以关节广义驱动力为目标函数,取载荷及关节广义加速度为设计变量,建立满足最小关节广义驱动力及载荷分配的同步优化方案,便于双壁机器人的实时控制。     

Linex损失下Pareto分布参数的EB估计：PA样本情形

在Linex损失下,讨论了Pareto分布参数的经验Bayes（EB）估计.利用同分布PA样本下概率密度函数的核估计构造了参数的经验Bayes估计,建立了所提出经验Bayes估计的收敛速度.在一定的条件下该收敛速度可以任意接近于1.     

多轴电驱动车辆驱动力优化分配策略

为提高某型多轴电驱动车辆的经济性,提出了一种最优驱动力分配控制策略.以电驱动系统效率最优为核心,对驱动转矩的分配进行离线优化,生成可在线应用的驱动模式表,通过查表插值可以确定驱动轴数,再根据整车轴荷动态分布情况,确定具体驱动轴,以充分利用地面附着力;利用Matlab/Simulink搭建整车后向仿真模型,在调整的世界重型商用车循环工况上进行仿真分析.结果表明,采用最优驱动转矩分配控制策略,相对驱动转矩平均分配控制策略和基于轴荷比分配转矩控制策略,经济性分别提升了9.18％和6.12％.     

港口集疏运系统优化模型

对港口集疏运系统进行物理描述,定义节点、路段和网络,并运用节点扩展的方法对转运枢纽进行描述与定义,建立以系统最优为目标,基于广义费用的多货种、多方式的港口集疏运网络综合平衡优化模型,并对该模型进行评价.