极值Ⅰ型变异系数估计

利用随机变量变换,分别在完全样本和第Ⅱ型截尾样本的情形下,得到一个求极值Ⅰ型变异系数的置信限的一个简便而有效的办法.     

应用极值I型分布估算厦门市极端风速

根据厦门市1958～2007年的年风速数据,应用极值I型分布函数对厦门市不同重现期的最大和极大风速做出估算,并用柯尔莫戈洛夫(Колмогоров)检验法对此结果做出拟合优度检验。并比较规范值与估算值,验证极值I型分布函数对厦门市风速拟合的可行性。     

极值I型分布恒加应力试验的统计分析

对极值I型分布场合,排除形状参数与加速应力无关的限制,进行恒加应力寿命试验统计分析,给出正常应力水平下寿命分布的参数及变异系数估计.     

几何分布变异系数的贝叶斯估计

在熵损失函数下,研究了几何分布变异系数的贝叶斯估计问题,得到了变异系数的贝叶斯估计的一般形式和精确形式,并证明了它的可容许性.同时给出了变异系数的多层贝叶斯估计以及置信水平为1-α的贝叶斯置信区间.     

二元极值分布参数的最大似然估计与分步估计

考虑二元极值分布参数的最大似然估计与分步估计的渐近协方差阵，得到分步估计关于最大似然估计的渐近效率，表明分步估计是一种实用的方法。     

极值I型分布恒加应力试验的非参数统计分析

在极值I型分布场合排除所有的限制,在恒加应力寿命试验下,提出非参数统计分析法,给出正常应力水平寿命分布的参数估计,从而可获得所有的可靠性指标。     

极值分布参数的Dehaan矩估计

极值理论是研究极端现象及极端事件的有力工具之一。对极值分布的参数,给出了Dehaan矩估计。并对基金净值样本数据建立了极大(小)值模型,对其参数给出了Dehaan矩估计,预测结果与实际相符。     

极值分布的极大似然估计及计算机实现

极值分布在计量经济学、金融工程、计算生物学、工程测量中都有用途,一般常用最小二乘法估计其参数,但最小二乘法的误差较高.极大似然估计具有比最小二乘法更好的性质,但由于它的计算往往比较麻烦.通过极大似然法估计了极值分布的参数,同时给出了求参数的数值解的算法,并通过Matlab程序实现了这一算法.     

极值Ⅰ型分布参数估计方法的研究

本文全面地研究了极值Ⅰ型分布参数估计方法，通过统计试验和理想系列还原计算分析比较了各种估计方法的优劣，指出我国现行设计规范规定采用的龚贝尔法是不足取的，并对规范的修改提出了建议。     

基于POT方法的二元极值分布尾部特征的估计

在一元,二元极值分布模型的基础上,给出超额分布及样本均超额函数,并利用样本均超额函数图给出临界值的估计.在此基础上,运用POT方法对二元极值分布尾部特征进行估计.     

一类Sobolev-Hardy极值函数的估计

研究了一类Sobolev—Hardy极值函数．这类函数是相应的最佳Sobolev—Hardy常数的达到函数．运用巧妙细致的分析方法,对这一类极值函数进行了截断误差估计,这些估计结果对于研究带有Sobolev—Hardy临界指标的椭圆方程具有重要意义。     

广义极值回归模型下现状数据的贝叶斯估计

广义极值分布自提出以来就受到众多学者关注,它可以用于拟合某些寿命数据,在医学、 工程和气象等领域应用很广泛.本文主要在区间删失I型数据,即现状数据下研究三参数广义极值模型的贝叶斯回归分析.基于广义极值分布的位置参数引入协变量,建立位置参数与生存时间的贝叶斯回归模型,并采用Gibbs抽样和MH算法相结合的MCMC方法,从...     

Ⅰ型极值分布样本异常值的Irwin型检验

考虑Ⅱ型极值分布总体,给出了判断样本异常值的Irwin型检验统计量的分位点以及模拟试验的功效。其中部分结果已被国家标准GB6380—86所采用。     

极值Ⅰ型分布下p=Pr(yn>n-1∑i=1aiyi)的估计

给出 y1,y2,...,yn相互独立服从极值Ⅰ型分布且某些分布参数未知时, 可靠度p=Pr(yn>n-1∑i=1aiyi)的最小方差无偏估计及置信下限.     

基于对称损失函数下Poisson分布变异系数的估计

对应用统计中常用的参数Karl-Pearson变异系数,在给定的一组Poisson样本下,用对称损失函数研究了它的Bayes估计的形式与性质,并由此讨论了它的一类估计的可容许性和不可容许性,模拟结果表明:所得到的Karl-Pearson变异系数的Bayes估计具有较高的精度,可以在统计判决问题中使用.     

极值分布右截尾线性回归模型参数的极大似然估计

本文对右截尾数据的线性回归模型,在误差服从极值分布条件下,先给出其参数极大似然估计的一般迭代算法,然后证明了尺度参数为常数时EM算法与该一般迭代算法的一致性,保证了迭代的收敛.     

极值Ⅰ型分布下p=P_r(y_n>sum from i=1 to n-1 (a_iy_i))的估计

给出 y1,y2 ,… ,yn 相互独立服从极值Ⅰ型分布且某些分布参数未知时 ,可靠度 p =Pr(yn >∑n-1i=1aiyi)的最小方差无偏估计及置信下限 .     

I型截尾模型修正后平均寿命的非参数估计

对传统Ⅰ型截尾模型适当修正后,给出了平均寿命期望的无偏估计,并证明了该估计的方差在一定条件下严格小于开窗法得到的方差,模拟结果表明该方法是有效的.