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。     

正态总体方差最短置信区间的研究

从置信区间的本质意义出发，通过数值计算的方法，对于给定的置信度γ=0．90，0．95和0．99，在样本容量n从3到30的范围内，在正态总体均值未知的情形下，求得了方差σ^2的最短置信区间，并对用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，在小样本的情形下，用最短置信区间来作未知方差σ^2的区间估计，将会使估计精度得到显著的提高。     

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.     

对数正态总体参数的信仰区间估计

用信仰推断法给出了对数正态总体位置参数和尺度参数的信仰区间估计,并与由枢轴量法得到的置信区间估计进行了比较,得出一致的结果。     

基于delta方法泊松分布参数的近似信仰推断

文章主要研究了Poisson分布参数λ的近似信仰推断,利用对数变换后的估计量的渐近正态性对λ建立近似的枢轴方程,并得到其近似信仰分布和置信区间。模拟结果表明,近似信仰区间与Wald置信区间的平均长度几乎无差异,但近似信仰置信区间覆盖概率明显优于Wald置信区间的覆盖概率。     

非平衡异方差单向分类模型中的广义置信区间

讨论了在单向分类模型中多个正态总体样本容量不等, 方差不等时样本均值的同时广义置信区间的估计问题. 结合Scheffe 和Bonferroni 区间的定义, 给出了相应的广义检验变量及广义枢轴量, 进而求得样本均值的同时广义置信区间, 并且通过数据模拟, 和文献[1]中给出的方法比较, 本文所给方法具有较好的可行性.     

指数分布参数基于不完全数据的区间估计

本文针对不完全观测数据,讨论了指数分布总体参数的区间估计。主要是利用样本分位数和概率密度函数的核估计来构造枢轴量,并推导出了相应的大样本近似分布,从而得到了总体参数的近似置信区间。而且当精度要求不是特别高的时候,给出了总体参数易于计算的近似置信区间。     

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.     

用非线性规划证明最短置信区间存在性与唯一性

参数的区间估计是根据枢轴量的分布,在一定可靠度下指出被估计的总体参数所在的可能范围.衡量一个区间估计的优良性有两点,一是置信水平α(0<α<1),另一是区间的长度,通常的做法是对给定的置信水平α(如α=0.05或α=0.01)求出相应的置信区间,区间长度越短说明对参数的估计越准确.讨论了最短置信区间存在和唯一性以及最优置信区间的确定.     

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。     

指数分布参数置信区间的最短化研究

从置信区间的本质意义出发，通过数值计算的方法，对于给定的置信度0．90，0．95和0．99，在样本容量从2到22的范围内，求得了指数分布参数的最短置信区间，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：在小样本(≤11)的情形下，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。     

正态总体标准差σ的区间估计方法

本文在总结现有的求正态总体标准差σ区间估计方法的基础上,提出了一种新的方法:最小长度置信区间法。这种方法,在相同的置信水平下其区间长度最短。已经设计了计算程序,并在附录中给出了置信区间系数表。     

均匀分布区间长度的信仰区间估计

利用信仰推断法给出了均匀分布区间长度的信仰区间估计,得到与枢轴量法下的置信区间一致的结果.     

Pareto分布中尺度参数的区间估计

研究了枢轴量法、极大似然估计的渐近正态性法和轮廓似然函数法,求解了Pareto分布中尺度参数的置信区间.通过生成随机数进行数值模拟分析,得出区间估计和区间长度,对这几种区间估计方法进行了比较.     

两正态总体方差比的优化置信区间

用传统方法得到的两正态分布方差比的置信区间显然不是最短的,因而就此意义而言也不是最佳的.本文得到优化后的置信区间,并将它与传统的置信区间比较.结果表明:优化后的最短置信区间比原置信区间有较明显的改进.     

取定统计量下的最优置信区间的存在性和唯一性分析

在传统求置信区间的例子中，习惯上取对称分位点，但这样确定的置信区间长度并不最短．关于置信区间的长度问题，许多文献中已进行讨论过，但对具体的区间讨论并不能从根源上解决问题．首先要做的工作就是验证取定统计量下的最优置信区间的存在性和唯一性．     

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.     

参数的区间估计与假设检验方法的探讨

利用枢轴量法和显著性假设检验方法讨论两正态总体参数的线性函数的显著性假设检验问题和若干非正态总体参数的区间估计及显著性假设检验问题。     

两均匀分布总体参数的比较

通过对两均匀分布总体的未知参数的研究,解决了未知参数比的点估计、区间估计及假设检验.置信水平为0.99时,对其常用置信区间和最短置信区间进行比较,结果表明:从两个均匀分布总体取样本容量相同时,两者长度的绝对误差随样本容量的增大而减少,两者的相对误差随样本容量的增加而增加.