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.     

均匀分布U[θ-a,θ+a]中参数θ的估计简

首先给出了均匀分布U[θ-a,θ＋a]中参数θ的四种点估计量;然后引入了矩估计、最大似然估计,分别计算其期望、方差,来判断四种估计量的无偏性、相合性及有效性;最后,给出了参数θ的区间估计.     

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。     

均匀分布参数的矩估计与最大似然估计

讨论了均匀分布族 {R(0 ,θ) ,θ >0 }中参数θ的矩估计与最大似然估计的均方误差和相合性 ,结果表明修正后的最大似然估计的均方误差优于其它估计。     

某类均匀分布参数极大似然估计及优良性的讨论

讨论了双参数均匀分布U=[θ1-1/2θ2,θ1＋1/2θ2]中未知参数θ1,θ2的极大似然估计的均方误差和相合性,表明参数θ2修正后的极大似然估计均方误差较小,并给出未知参数θ1,θ2的UMVUE.     

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。     

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.     

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。     

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。     

随机截尾指数寿命数据之参数θ的极大似然估计及其性质

针对随机截尾试验模型 ,导出了失效数据组的联合分布函数 ;在受试样本服从指数分布的条件下 ,获得了参数θ的极大似然估计及其性质 ,这是相对于定数截尾和定时截尾来说更具有一般意义的结果。     

随机截尾指数寿命数据之参数θ的极大似然估计及其性质

针对随机载尾试验模型,导出了失效数据组的联合分布函数;在受试样本服从指数分布的条件下,获得了参数θ的极大似然估计及其性质,这是相对于定数截尾和定时截尾来说更具有一般意义的结果。     

Ⅰ型双删失样本下Lomax分布形状参数的估计

基于Ⅰ型双删失样本求Lomax分布中形状参数的极大似然估计,并不能得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的.用EM算法得到了未知参数的迭代公式,通过相关引理证明了该算法具有良好的收敛性.通过一个例子分别计算出参数θ的极大似然估计和EM估计,并把它们进行了比较,验证了EM算法是Ⅰ型双删失样本下参数估计的一种有效方法.     

艾拉姆咖(ЭРланга)分布参数估计的若干性质

讨论了艾拉姆咖(ЭРланга)分布参数的矩估计和极大似然估计的效率及其若干性质.     

指数分布场合恒加试验分组数据的似然估计

利用微分的方法,对加速寿命试验中,指数分布场合简单恒加试验的三种分组数据情形下的极大似然估计进行了讨论.首先讨论了简单分组数据情形下关于加速模型lnθi=a b(si),i=0,1,2.中参数a、b的极大似然估计.接着给出了测试时间为等分点数据和一般数据情形下关于加速模型lnθi=a b(si),i=0,1,2.中参数a、b的极大似然估计的定理,并加以证明.     

双截尾Cauchy分布参数估计的若干问题

设{X_k,1≤k≤n}独立且均服从参数为μ,λ,A,B的双截尾Cauchy分布,得到了矩估计的性质并给出了当参数μ,λ已知时,参数A,B矩估计的数值解法,得出了参数A,B的极大似然估计并证明了其他参数极大似然估计的存在性和强相合性,最后利用极端顺序统计量的渐近分布得到了参数A,B的近似区间估计.     

随机前沿模型的参数估计

运用极大似然估计法以及矩量估计法,估计了随机前沿模型中的误差项参数和技术无效参数。     

逆高斯分布参数的估计

在给出逆高斯分布参数μ及β的极大似然估计和矩估计的基础上,验证了参数μ的样本均值的无偏性及相合性。     

逆高斯分布参数的估计

在给出逆高斯分布参数μ及β的极大似然估计和矩估计的基础上,验证了参数μ的样本均值的无偏性及相合性.     

对数正态分布参数的精确估计及其应用

分析了两参数对数正态分布均值四种常见的估计方法,其中Gunnar Taraldsen提出的修正极大似然估计优于其他三种估计。在此基础上讨论了总体m阶原点矩和m阶中心矩以及峰度的修正极大似然估计,而且提出总体的中位数、众位数和偏度不存在修正的极大似然估计,并用Mathematica 4.0对上海股票市场的大盘日成交量进行仿真分析,结果表明与理论推导完全一致。