Pareto分布中形状参数的估计

本文研究了Pareto分布中形状参数的估计问题.采用极大似然估计及其渐近正态性、轮廓似然估计和矩估计的方法对形状参数估计,通过生成Pareto分布随机数的方法进行数值模拟,比较渐近正态性和轮廓似然估计得到的区间长度以及极大似然估计和矩估计得到的估计值,给出各估计的优缺点.     

指数分布冷贮备单元的串联系统产品的统计分析

考虑寿命服从指数分布的冷贮备单元串联而成的系统,给出了参数的矩估计、极大似然估计和逆矩估计,并通过大量Monte-Carlo模拟考察估计的精度,得到矩估计和极大似然估计优于逆矩估计.同时,还给出了参数的精确区间估计和近似区间估计,通过大量Monte-Carlo模拟考察了区间估计的精度,得到参数的精确区间估计优于近似区间估计.     

瑞利分布全样本下的统计分析

针对瑞利分布,在全样本场合下给出了参数的矩估计、极大似然估计和区间估计。与此同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和区间估计的精度,从中可以看到参数的极大似然估计的精度比矩估计的好些。     

均匀分布U(a-θ,a+θ)的参数估计与优效性

研究均匀分布U(a-θ,a+θ)关于参数θ的矩估计和与极大似然估计,讨论参数θ估计的优效性,证明参数θ矩估计不惟一,参数θ的极大似然估计不仅是参数θ的无偏估计,还是参数θ的强相合估计,且参数θ的极大似然估计也是UMVUE.     

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。     

逐次定数截尾下双参数指数分布的参数估计

讨论了双参数指数分布基于逐次定数截尾样本下的参数估计,导出了参数的逆矩估计和极大似然估计,并通过数值模拟进行比较,模拟结果表明逆矩估计优于极大似然估计。     

完全极大似然估计与分步极大似然估计

得到了完全极大似然估计的一个重要性质和线形模型、指数分布、均匀分布的完全极大似然估计和分步极大似然估计，并与矩估计和极大似然估计进行比较，结果表明了完全极大似然估计和分步极大似然估计的优良性。     

关于求估计量的常见方法的依据和关系的评议

<正> 一、问 题 众所周知,统计学里,求参数估计量的常见方法有矩法和极大似然法。往往碰上这样的情形,就是矩估计和极大似估计彼此为同一个,即极大似然估计只要是子样短函数,它就是矩估计。而矩估计是否为极大似然估计,需要加以论证,才能明白。那末什么样的分布族参数估计量具有这种“双重性”呢?就是说既是矩估计也是极大似然估计呢?有无相应的统一方法可求呢?通常认为极大似然法是以实际推断原理为依据的,这种提法是否成立?本文回答了这三个问题。介绍了一个求估计量的新法。     

b(1;p)中参数的估计及优良性

基于b(1;p)总体,求出了未知参数p/1-p的矩估计与极大似然估计,得到这两种估计相等,具有相合性、渐近正态性和渐近有效性的重要结论.     

定时截尾情形下Burr Ⅻ分布的参数估计及其检验

在定时截尾情形下,讨论了Burr Ⅻ分布的形状参数、可靠度和失效率的极大似然估计,给出了极大似然估计的表达式,证明了极大似然估计的相合性和渐进正态性,并给出它的近似区间估计和假设检验公式,最后进行了参数估计的数值模拟。结果表明:形状参数的极大似然估计效果良好。     

均匀分布U(-θ,θ)参数的估计与优良性

研究均匀分布U(-θ,θ)的矩估计和与极大似然估计,并讨论两估计的优良性,证明矩估计和极大似然估计是强相合的,极大似然估计是UMVUE.     

伽玛分布环境因子的极大似然估计和Bayes估计

针对伽玛分布位置参数已知情形,给出了伽玛分布环境因子的极大似然估计,并给出了伽玛分布环境因子的Bayes估计.用Monte-Carlo法进行数值模拟,数值模拟结果表明伽玛分布环境因子的Bayes估计优于极大似然估计.     

完全极大似然估计

证明了关于完全极大似然估计的一个重要定理,说明当参数的2个不同的变换的某些分量完全相同时,它们的完全极大似然估计是相同的,另外,给定了正态分布和负指数分布的参数以一定的先验分布,在此基础上计算它们的完全极大似然估计,得到了与贝叶斯参数估计形式非常相似的结果。     

带变量核的参数型Littlewood-Paley算子在Hardy空间上的有界性

得到了带变量核的参数型面积积分μρΩ,S和Littlewood-Paley g^*_λ函数μ^*,ρ_Ω,λ在 Hardy 空间上的有界性。     

双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

基于Bootstrap的小样本可靠性评估方法

针对小样本情况下,采用极大似然估计Mle法求解分布参数会产生较大误差的问题,基于Bootstrap数据扩充的思想提出了B-mle法,减小了参数估计的误差.首先,利用Bootstrap法对小样本数据重抽样产生多组再生样本,达到扩充数据样本的目的;其次,对再生样本采用极大似然估计求解分布参数,得到多组参数的极大似然估计值,...     

威布尔分布三参数的拟合特性

利用Monte Carlo方法分别考察了由相关系数优化法、概率权重矩估计法和最大似然法拟合得到的威布尔分布三参数的分布规律和相关性，在指定置信度下给出了Monte Carlo模拟求得的三参数置信区间。以安全寿命的置信区间大小作为判据，对拟合参数的3种方法进行了比较。结果表明，3种方法拟合得到的参数和安全寿命近似服从正态分布，形状参数与尺度参数存在正相关，而位置参数与前两个参数存在负相关。拟合数据的最佳方案是先用相关系数法求参数初值，再用最大似然法进一步精确求解三参数。     

原始疲劳质量模型描述方法改进

提出了用神经网络插值代替拉氏插值计算裂纹形成时间(TTCI)值,用极大似然估计代替均秩估计法估计分布参数的方法. 考虑到仅对一组TTCI值进行参数估计具有较大的随机性,文中对每种参考裂纹尺寸对应的TTCI值均进行极大似然估计,得出多组TTCI分布参数;然后利用不同参考裂纹尺寸对应的TTCI分布参数之间的关系确定结构细节的当量初始缺陷尺寸分布参数. 对某零件的疲劳实验及其原始疲劳质量分析证明了该方法的可行性和合理性.     

广义极值分布参数估计方法的对比分析

简介了广义极值分布的3种参数估计方法:极大似然(ML)、线性矩(LM)和间隔最大积(MPS)方法的特点和计算方法,采用历年马口月最大径流量和广州日最大降水量作为广义极值分布不同参数估计方法的实证分析例子。分析结果表明,两实例各自3种参数估计方法得到的3个参数值较为接近,各种拟合优度检验结果表明两实例均服从广义极值分布,但MPS参数估计推算的设计值与观测值拟合更好。