正态总体方差最短置信区间的估计

用传统对称方法得到的正态总体方差的置信区间显然不是最短的,因而从精确度这个意义上说也不是最佳的。从置信区间的定义出发,运用数值计算的方法,对于给定的置信度1-α=0.90,0.95和0.99,在样本容量n从6到35的范围内,求得了方差σ2的最短置信区间,并与用传统对称方法求得的置信区间与最短置信区间的长度进行了对比研究。结果表明,在样本容量n较小情形下,用最短置信区间来作方差σ2的区间估计,将会显著提高估计的精确度。     

两样本正态总体方差比的最短置信区间研究

用最优假设检验的统计量来构造出两正态总体方差比的枢轴量,分析出基于这一枢轴量用概率对称得到的置信区间的长度并不是最短的。从最短置信区间的本质意义出发,构造出求解最短置信区间的条件并证明其解的存在唯一性,通过数值计算的方法,对于给定置信度1((=0.95,对样本容量从(5,6)至(41,41)的范围内在两正态均值总体未知的情况下,求得了最短置信区间,并与按概率对称求得的置信区间进行了区间长度对比分析。结果表明,在小样本时,用文中求得的最短置信区间来做方差比的区间估计,精度将会得到显著的提高。     

两正态总体方差比的最优区间估计和最佳双边检验

用传统方法得到的两正态总体方差比的置信区间显然不是最短,因而在这个意义上讲也不是最优的。从理论上推求给出了两正态总体方差比的最优区间估计和在犯第二类错误的概率累积最小意义下的最佳双边检验。     

伽玛分布参数的最优区间估计和最佳双边检验

用传统方法得到的伽玛分布参数的置信区间显然不是最短,因而在这个意义上讲也不是最优的。本文从理论上给出伽玛分布参数的最优区间估计和在犯第二类错误的概率累积最小意义下的最佳双边检验。     

Beta分布的最短置信区间的粒子群优化算法

据置信区间的含义和Beta分布的特性,最短置信区间问题转化成非线性规划问题。给出了粒子群优化算法解决此问题的方法,通过数值计算,对于给定的置信度0.90和0.95,在样本容量从3到30的范围内,求得了一类特殊的Beta分布参数的区间估计。并对通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析。结果表明,用最短置信区间来作未知参数的区间估计,将会使估计精度得到显著的提高。     

正态分布方差的UMPU检验和UMAU置信区间研究

传统的正态分布方差的双侧检验中,使用x~2分布的双侧分位点得到的显然并不是一致最优势无偏检验(UMPUT).证明了正态分布方差的UMPUT的存在唯一性,并对容量n从4到39时,分别计算出了显著性水平α=0.10,0.05,0.01时的UMPUT拒绝域的临界值.传统方法(按概率对称)得到的置信区间一般不是UMAU(一致最准确无偏)置信区间,后者是按UMPUT对偶关系得到的置信区间,文中计算的UMPUT拒绝域的临界值显然是用来构造UMAU置信区间的.并对传统方法的置信区间与文中求出的置信区间的长度进行了对比分析,结果表明:在n≤39时,中求得的置信区间将会使精度显著提高.     

取定枢轴量的最短区间估计

本文研究了未知参数进行区间估计时构造的枢轴量.在不同枢轴量的情况下证明了最短置信区间是存在且唯一的,同时给出了求参数最短置信区间需满足的条件;并且对最短区间与传统区间进行了比较,最后给出了一个应用实例.     

χ~2分布的分位数讨论及其应用

对于Х^2分布利用序贯试验法中的黄金分割法,研究了其在给定α（0〈α〈1）,满足P（a〈Х^2〈6）=1-α的最短区间问题,并进行了计算．然后对于Х^2分布参数在给定的置信度下,应用上面方法求得了此时的最短置信区间,对上法求得的最短区间与通常所用的置信区间进行比较,得到在小样本情形下优化后的结果能显著提高估计精度．     

基于贝塔分布的最优置信区间研究

基于贝塔分布的概率特征性质,该文研究了一类特殊的贝塔分布的最优区间估计; 进而,将得到的区间估计与等尾置信区间进行了比较.结果表明:使用最短置信区间作为未知参数的区间估计,估计的精度得到显著提高.最后,利用数值模拟的方法给出了贝塔分布的最短区间估计用表.     

均匀分布区间长度的最短置信区间

在均匀分布区间长度的区间估计的基础上,利用Lagrange乘子法得到了最短置信区间的唯一存在性,并运用等距搜索法计算得到了3≤n≤50,α=0.05时的最短置信区间表。     

泊松分布参数估计的比较研究

研究了泊松分布点估计及区间估计,并证明了样本均值是参数λ的优良估计量。利用贝叶斯统计分析方法,在取先验分布为共轭分布的情形下,给出了最大后验密度可信区间,即最短可信区间,并通过实例与经典区间估计进行了比较。     

单峰分布的置信区间

讨论了单峰分布的最短置信区间的问题。设单峰分布的概率密度为ｆ（ｘ），ｘ０为其峰点。若区间满足：１）；３）则为该分布置信度为１－α的最短置信区间。     

基于MATLAB小样本的最短置信区间

研究了小样本抽样正态总体参数的最短置信区间,对单峰非对称分布给出了最短区间估计MATLAB实现;并通过实例分析其对小样本区间估计的优越性.     

威布尔分布中尺度参数的最短区间估计

把威布尔分布中尺度参数最短置信区间的求解问题转化为非线性方程组的求解问题,并通过1个实例和数值计算对最短置信区间与常用置信区间进行长度比较,说明研究小样本情形时威布尔分布中尺度参数最短置信区间的重要性与必要性。