截尾数据和分段数据下指数分布参数的矩估计

对指数分布下的截尾数据和分段数据,给出了其参数矩估计的一种新的方法。     

不完全数据情形下指数分布参数的最大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,本文给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,论文还提出了分组数据场合参数极大似然估计的图解求法。     

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.     

区间数据样本下指数分布平均寿命的矩估计

讨论了区间数据样本下单参数指数分布的两种矩估计问题.分别利用δi和(Vi,δi)构造出单参数指数分布的两种矩估计,就无偏性和渐近方差为指标,得到两种矩估计的比较.     

分组截尾数据下离散型寿命概率分布的估计方法

目前针对离散型未知寿命分布的分组数据研究较少．为避免求解复杂的非线性极大似然方程组,由加入拉格朗日乘子的似然方程组中推导具有递推关系的概率分布计算公式,并通过退化的单区间模型得到P1的极大似然估计,从而完成概率分布律Pi的递推计算．实验说明该方法有效．     

不完全数据情形下指数分布参数的极大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,还提出了分组数据场合参数极大似然估计的图解求法。     

广义逐次截尾数据下逆高斯分布参数的贝叶斯估计

针对可靠性应用研究中常需要确定寿命分布参数的问题,讨论了在广义逐次截尾数据下具有位置参数和尺度参数的逆高斯分布(inverse Gaussian,IG)的贝叶斯估计问题,给出了两参数的后验密度核。利用逆变换方法,产生遵从后验密度核的随机数,进而研究了估计未知参数的Gibbs抽样策略。Monte-Carlo模拟结果表明:基于广义逐次截尾数据的贝叶斯估计精度接近完全数据下贝叶斯估计。用一个实际例子进一步说明提出方法的可行性。     

逐次截尾模型下指数分布的环境因子估计

基于逐次定数截尾模型下,讨论了指数分布环境因子的极大似然估计和区间估计,运用随机模拟方法,进行比较分析,表明其结果的可行性.     

分组数据场合指数分布参数的渐近置信估计

利用指数分布的若干个样本分位数,建立线性回归模型,由获得的广义最小二乘估计的渐近正态性,得到分组数据场合分布参数的渐近置信估计.在样本足够大的情况下,该方法简单有效.     

单边截断型分布族位置参数的经验Bayes估计

修改了陶波等假定先验密度ｈ（０）需满足的某些条件，给出了单边截断型分布族参数０的经验Ｂａｙｅｓ估计，并证明了它在绝对误差损失下的渐近最优性，最后给出了一个数值计算的实例。     

两个指数分布总体的刻度参数比的估计

通过引入两个新的随机变量,给出了两个指数分布总体的刻度参数比的点估计与区间估计.     

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.     

具有混合试验中参数的Bayes估计及其分布函数

混合试验是寿命分析中极其有用的检验设计，它比定时试验或定数提供更多的试验信息。由此研究了混合试验中指数分布参数的Ｂａｙｅｓ估计，并导出Ｂａｙｅｓ估计的分布函数。     

两参数Lomax分布中参数的区间估计和假设检验

研究了两参数Lomax分布参数的区间估计和假设检验问题.分别在形状参数和尺度参数已知的情形下,给出了尺度参数、形状参数的置信区间和假设检验的拒绝域以及p分位数的置信区间,并运用随机模拟的方法分别对2个参数进行了统计分析.     

三阶Erlang分布参数的Bayes估计及检验

首先给出了三阶Erlang分布在定数截尾场合下参数的极大似然估计;其次给出了在“平均剩余寿命”下的三阶Erlang分布参数的拟矩估计;然后再利用共轭先验分布得到了参数的经验Bayes估计、区间估计和假设检验;最后通过模拟得到一组随机样本并给出了不同截尾样本下参数的点估计和区间估计。     

复合泊松分布参数估计的EM算法

复合泊松分布是非寿险精算中的重要理赔模型,利用正规的统计方法(如极大似然估计)估计模型的参数往往比较困难,而矩估计的精度在大样本下才能有令人满意的结果.本文应用EM算法研究了复合泊松分布的参数估计问题,给出了参数满足的方程,并给出了参数的矩估结果,对两种参数估计结果,通过计算机模拟,表明EM算法对参数的估计更为有效,且EM算法在小样本下就能得到较好的估计效果.     

基于截断数据分布函数的核估计

讨论了一类截断数据，分析了以往截断数据分布函数估计的主要结果．在此基础上，提出了一个核估计方法，建立了分布函数的核估计量表达式，并在紧支撑等一定条件下，研究了估计量的渐近性质，并分别证明了估计量的强相合性及收敛速度．最后，给出了一个模拟计算的例子．结果显示，这种核估计方法是可行有效的．     

部分区间删失数据下广义指数分布的参数估计及应用

考虑部分区间删失数据, 当时间变量服从广义指数分布时, 在尺度参数是否受协变量影响下建立两种模型, 再对模型参数进行极大似然估计, 并用Newton-Raphson算法求解参数估计值. 模拟实验和实例分析结果验证了模型的有效性.