平方损失下逆威布尔分布参数的Bayes估计

在平方损失下,讨论逆威布尔(IW)分布参数的Bayes估计,并证明所给出的参数Bayes估计是可容许的.     

双截尾样本下参数的矩估计

给出了双截尾样本情形下参数的一种矩估计法,并由此推出双截尾样本下威布尔分布参数的矩估计法。     

用抽样分布对双参数威布尔分布参数的区间估计

本文提出了一种完全不同于现成方法的、以两个抽样分布为基础的估计仅参数威布尔分布的形状参数和尺度参数的置信限的方法。该法是直接用样本观察值进行估计。虽然由于采用了一阶近似对其中一个抽样分布作了简化处理，从而使估计结果偏于保守，但算例表明，估计结果有足够的精度且优于某些现有的方法。并且该法简便，尤其适于工程应用。     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题.首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计.最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes 估计较传统的最大似然估计好.     

完全样本下威布尔分布参数的加权最小二乘估计

借助图法估计的思想和次序统计量的性质,给出了完全样本下威布尔分布参数的改进最小二乘估计与加权最小二乘估计.     

在定数截尾样本下三参数威布尔分布的矩估计改进

将威布尔分布数据转化为均匀分布数据,利用平均剩余寿命构造样本矩,得到在定数截尾样本下三参数威布尔分布的矩估计方程。     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数（GE）分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。
     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。     

混合指数威布尔分布的参数估计

应用ECM算法,研究了混合指数威布尔分布在完全数据场合下的参数估计问题,并模拟说明ECM算法来估计混合指数威布尔分布是一种容易实现又非常有效的方法.     

基于对称熵损失和记录值的一类分布族参数的估计

在对称熵损失函数下,基于记录值样本,得到了一类分布族参数的Bayes估计和经验Bayes估计,并讨论了一类逆线性(cT+d)-1形式估计的可容许性和不可容许性.     

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.     

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.     

刻度指数族参数的渐近最优的经验Bayes估计

对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计，并构造了相应的经验Bayes估计，证明了该估计是渐近最优的。     

三参数威布尔分布的参数估计方法

给出三参数威布尔分布参数的分位数估计、拟矩估计和改良的极大似然估计，用随机模拟方法研究这些估计和简单估计等的优良性．在优选估计的基础上给出了可靠度的Ｂｏｏｔｓｔｒａｐ置信限．     

一类指数分布参数的渐近最优和可容许的经验Bayes估计

在平方损失下,给出了指数族:f(x|β)=T′(x)βexp{-T(x)β}的参数β的渐近最优与可容许的EBi=1log(1 估计,即:nδ(x1,x2,…,xn)=φ(x1,x2,…,xn)(q T(x))n u,其中φ(x,x1,x2,…,xn)=log(1 T(x)q) Sn(x1,x2,…,xn)-v-1,x1,x2,…,xn(历史样本)和x(当前样本)独立同分布于f(x),Sn(x1,x2,…,xn)=n∑T(xi)q),u>0,v>0,q>0(已知)为任意的实数,并给出了证明。     

滑动平均模型参数估计的Gevers-Wouters算法的指数收敛性

可逆的向量滑动平均(MA)模型参数估计问题本质上是一个矩阵谱分解问题。基于向量MA模型和状态空间模型之间的变换,用Kalman滤波方法证明了矩阵谱分解的Gevers-Wouters算法的一致性和指数收敛性,且证明了收敛速度由MA多项式矩阵的行列式的零点决定。当这些零点不接近单位圆周时,Gevers-Wouters算法可高精度、快速地给出MA参数估计,因而提供一种快速有效的谱分解工具。     

半参数回归模型参数的Bayes估计

讨论了半参数回归模型在先验正态假设下的Bayes估计,当σ2已知时,它是Blight的著作中非参数回归有关结果的推广,还给出了当σ2未知时,各参数相应的Bayes估计     

三参数Weibull分布下随机截尾恒加寿命试验的Bayes统计分析

利用随机截尾恒加寿命试验所获的数据，导出了三参数Ｗｅｉｂｕｌ分布在平方损失下，三个参数的Ｂａｙｅｓ估计，进一步估计了在正常应力水平下的各种可靠性指标