样本区间的概率分布及其性质

设(X1,X2,…,Xn)为服从I=[0,1]上的均匀分布的简单随机样本,它们将[0,1]分成(n+1)个样本区间,以Y0,Y1,…,Yn分别表示这些样本区间的长度,利用顺序统计量的性质讨论Yi(1≤i≤n+1)的概率性质。     

双参数指数分布总体样本区间的分布

讨论了双参数指数分布总体下样本区间Yi（Yi=X（i＋1）-X（i））的分布,并利用顺序统计量的相关结论得到了Yi（0≤i≤n-1）的一些概率性质及一般总体所不具有的优良性质。     

均匀分布中参数的区间估计

在均匀分布场合中,分别用枢轴量法、参数的Bayes的估计、信仰水平为1-α的区间估计方法,并给出了三个不同的区间估计,并对这三个区间做了总结.     

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.     

二维顺序统计量的概率分布

研究了二维样本的次序统计量的分布问题,给出了依第一分量排序的次序统计向量的分布的计算公式,证明了在给定第一分量的一个次序统计量的条件下,第二分量的次序统计量的条件分布与某个一维样本的次序统计量的分布是相同的。     

伴随的最大值和最大值的伴随的联合分布

设（Ｘ,Ｙ）表示一个绝对连续的二维总体,从中抽取容量的ｎ的样本,用Ｘｉ：ｎ表示,Ｘ样本的第ｉ个顺序统计量,同Ｘｉ,ｎ相对应的Ｙ样本值用Ｙ（ｉ：ｎ）表示,Ｙ（ｉ：ｎ）被称为第ｉ个顺序统计量的伴随,对１≤ｋ≤ｎ,设Ｖｋ,ｎ＝ｍａｘ（Ｙ（ｎ－ｋ＋１：ｎ）＾．．．,Ｙ（ｎ：ｎ）给出了（Ｖｋ,ｎ,Ｙ（ｎ：ｎ）有限样本的联合分布,并且在线性模型下,研究了它的渐近分布,进而可以得到Ｙ（ｎ：ｎ）／Ｖｋ,ｎ这一统计     

关于顺序统计量分布的一种证明

介绍了顺序统计量的概念，并利用多元随机变量的联合分布与边缘分布之间关系，求出顺序统计量的分布，并通过实例加以描述。     

φ-混合样本下似然比统计量的渐近分布

利用泰勒展开方法研究φ-混合样本下考虑一维参数空间似然比统计量的极限分布,在一定的正则条件下,证明了简单原假设下似然比统计量的极限分布为加权x^2-分布．     

评判紧邻间距分布函数性质的一类渐近尺度

根据两种渐近量的定义，研究了七种能谱涨落模型之紧邻间距分布函数的渐近性质及其物理内涵，并在此基础上对紧邻间距分布函数作出了系统分类和适用性说明。研究结果表明Ｂｒｏｄｙ分布函数具有最为广泛的普适性。     

任意两个秩序统计量的联合分布

设X(1),…,X(n)是来自于一个连续分布总体的随机样本X1,…,Xn的秩序统计量,给出了任意两个秩序统计量的联合分布函数和联合密度函数的推导证明,从而为其进一步应用打下了基础.     

均匀分布位置参数一种估计的渐近分布及应用

对区间长度为定值均匀分布位置参数的点估计量进行了研究,得到位置参数点估计量的渐近分布,讨论了渐近分布的相关性质,给出了位置参数的区间估计及其假设检验方法.     

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.     

幂分布次序统计量的性质及渐近分布

设随机变量X服从参数为a的幂分布,X1∶n,X2∶n,…,X n∶n为其次序统计量,得到了参数a的置信区间以及X1∶n和X n∶n的渐近分布;当k(k>1)固定时,得到了X k∶n和X n-k+1∶n的渐近分布.     

两参数逆威布尔分布顺序统计量的矩及渐近分布

设{X_k,1≤k≤n}独立同分布,X_((1)),X_((2)),…,X_((n))为其顺序统计量,当总体服从参数为(m,η)的逆威布尔分布时,得到其顺序统计量的概率密度、高阶矩和方差的表达式.证明了样本间隔不独立且不同分布,当k(k1))固定时,得到顺序统计量X_((n-k+1))和X_((n))的渐近分布,最后给出一个关于并联系统寿命的应用实例.