双参数指数型分布最小和最大次序统计量矩的精确计算公式

讨论双参数指数型分布最小和最大次序统计量矩的计算,利用双参数指数型分布矩的递推关系及密度函数的特点获得了它的最小和最大次序统计量各阶矩以及各阶混合矩的精确计算公式.     

几种分布族中参数之待估函数可估性的判定

考虑总体是ξ的分布族{F（x,θ）,θ∈},其中θ=（θ_1,θ_2,…,θ_h）是待估计的 未知参数, 设g（θ）是参数θ的实值待估函数,从总体ξ中抽取i.i.d.样本（ξ_1,ξ_2,…,ξ_n）,如果存在统计量g（ξ_1,ξ_2,…,ξ_n）:R~((n))→,使得     

正态分布参数函数的估计

讨论正态分布N(μ,σ2)的参数(μ,σ2)的函数θ=exp{aμ ba2}(a≥0,b≥0)的估计问题,给出了θ的最大似然估计及矩估计.在μ和σ2的先验分布独立时,在损失函数L(θ,a)=(θ-a)2和L(θ,a)=(θ-1×a-1)2下给出Bayes估计和最小最大估计.     

一类指数混合分布族的结果

在统计分析中,多元t分布是一种重要的分布以及指数分布族也是一种重要的分布族。模仿从多元正态分布得到多元t分布的过程,把指数分布族pθ与gamma分布进行混合,得到一种新的分布族,称为指数混合分布族pθ,并讨论了参数函数在指数混合分布族pθ下的无偏性以及讨论指数分布族pθ和指数混合分布族pθ有相同的完全统计量和充分统计量。     

伴随固定边值分布函数的弱收敛

得到了固定秩次序统计量和它的伴随次序统计量联合分布弱收敛的一个充分必要条件,同时给出了一组选定的伴随次序统计量的极大值的分布函数弱收敛的充分条件。     

均匀分布族U（θ,cθ）中的经验Bayes检验

考虑均匀分布族U(θ,cθ),f(x|θ)=((c—1)θ)~(-1)I_((θ.cθ))(x),x,θ∈(0,∞),c>1中检验问题H_0:θ≤θ_0(?)H_1:θ>θ_0的经验Bayes检验。本文证得了经验Bayes检验的收敛速度。     

关于次序统计量的两个距离

本文研究了次序统计量的密度函数之间的Pearson-2χ距离与Kullback-Leibler距离.研究中我们发现这两个距离与总体的分布无关,而只与次序统计量的次序以及样本容量有关.     

块θ-方法的PLm-稳定性

讨论了带有多个滞时量的延时微分方程的数值稳定性,分析了块θ-方法求解多延迟微分方程的Pm-稳定性和兕。一稳定性的条件,证明了块θ-方法Pm-稳定的充要条件是1／2≤0≤1,块θ-方法PLm-稳定的充要条件是θ=1．     

σ_(θmax)理论的几何表示

本文探讨了σ_(θmax)理论的几何表示方法。文中用这种方法求出了开裂角θ_o和名义临界应力强度因子矢量r_c。     

均匀分布点估计的容许性问题

设随机变量X服从均匀分布,其密度函数为f(x)=1/θ2 0当0_1相似文献   

平均单叶函数的几个问题

设 S(θ_1、θ_2,…,θ_k)表示具有 K 个增长方向的平均单叶函数族,本文通过建立所研究的函数族的对数系数不等式,获得了■(θ_1、θ_2…,θ_k)族的表示式及增长方向的唯一性,同时也对平均单叶奇函数的系数进行了估计。     

次序统计量分布的一种严格证法

为了便于表述,在下面的讨论中,(ξ_1,…,ξ_n)总表示具有分布函数F(x)和分布密度P(x)的一个简单子样,而(ξ_(1),…,ξ_(n))总表示(ξ_1,…ξ_n )的次序统计量.     

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.     

一类指数族的线性容许估计的充分条件

本文采用Bayes法.讨论一类各分量是相互独立的参数的指数族分布,在平方损失下,对参数g（θ）=（g_1（θ_1）,g_2（θ_2）,…,g（θ））＇得到了一个容许线性估计的充分条件。     

缺项整函数的奇异方向的分布

本文着重讨论缺项整函数的Julia方向和Borel方向的分布,并获致以下两个有趣的结果。定理1.设f(Z)=∑C_nZ~(λn)为一整函数,且满足缺项条件:■ (A)则对于任一条从原点出发的半直线J:arg z=θ_0(0≤θ_0<2π),或者J:arg z=θ_0为f(z)的Julia方向;或者存在正数ε(θ_0),使得■ (B) 定理2.设f(z)=∑C_nZ~(λn)为一满足缺项条件(A)的正规增长整函数。若f(z)的级λ为正数或无穷大,则对于任一条从原点出发的半直线B:arg z=θ_0(0≤θ_0<2π),或者B:arg z=θ_0为f(z)的Borel方向;或者存在一正数ε(θ_0)及集合E满足lim mes(E(z;|z|≥r))=0,使得■ (C)     

IRT信息函数与极大似然估计的性态

本文分析了信息函数、项目信息函数、评分信息函数等IRT中的重要概念的意义及其之间的联系.说明IRT信息函数的定义与数理统计中信息函数的定义是等价的.从较高的角度重新定义了项目信息函数,并讨论了充分统计量的概念在IRT的应用.极大似然估计的性态通常仅就独立同分布的情形进行讨论.但在IRT中,样本独立而不同分布.本文就此情形进行了初步的探讨,得到的结论基本上与独立同分布的情形平行:1)(?)(个人能力参数θ的极大似然估计)是充分统计量的函数;2)(?)是其期望值的相容估计;3)实际应用中可采取一定的方法使(?)满足渐近正态性.     

关于次序统计量的联合分布与应用

设总体X具有连续的分布函数F(x)以及概率密度f(x),X(1),X(2),…,X(n)为次序统计量.得到了任意k个次序统计量的联合密度的一般形式.     

离散指标下的最近邻判别分析

设(θ,X),(θ_1,X,),…,(θ_n,X_n)是独立同分布的随机向量,θ∈{0,1},X∈x{0,1,2,…相似文献   

多重Ⅰ型混合截尾样本的Weibull分布参数估计

在多重Ⅰ型混合截尾样本情形下,讨论了两参数威布尔分布的参数估计问题.首先结合样本次序统计量联合密度函数给出了参数最大似然估计的表达式,其次利用Newton-Raphson迭代方法得到参数的最大似然估计,然后借助指数分布给出参数的精确置信区间,最后对参数的最大似然估计进行模拟研究和实例案例分析,最大似然估计的稳定性和有效...     

顺序统计量的分布及其在优效性中的应用

研究顺序统计量的分布,讨论顺序统计量在优效性中的应用,证明改进后的最大顺序优计量是均匀分布U(0,θ)的3个无偏优计中最好的.