基于Bootstrap法的小样本岩土参数标准值计算

针对小样本条件下岩土参数均值的t分布估计区间较宽、所得工程设计参数标准值偏离真值较大的问题,进行了岩土参数总体分布明确条件下的小样本勘察取样计算机随机模拟,利用充足批次重复抽样构建标准值空间,对比了非参数Bootstrap法与传统t分布法的区间估计差异,讨论了Bootstrap法岩土参数标准值随样本统计量及容量的变化规律.研究表明:同一置信水平下,Bootstrap法能充分利用小样本经验分布信息,有效收窄岩土参数的均值估计区间,所得标准值较t分布法更接近于真值;Bootstrap法的岩土参数均值置信区间宽度随样本容量增大而逐渐减小,其标准值与样本容量呈现良好的负幂函数关系,据此提出了以样本平均值为基准、样本容量和标准差为影响参数的标准值计算式;当样本容量n20时,Bootstrap法更能体现出减少标准值偏离真值误差的明显效果.     

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.     

对称指数分布的参数估计及其优良性

研究了双参数对称指数分布的参数估计问题,给出了2个参数的极大似然估计.在样本容量为奇数的情形,证明了样本中位数作为双参数对称指数分布位置参数的极大似然估计,具有无偏性与强相合性;尺度参数的极大似然估计具有强相合性.在样本容量为偶数的情形,证明了2个参数的任一极大似然估计均具有强相合性.     

带有协变量动态可靠性模型参数的估计

考虑带有协变量的k-out-of-n系统, 假设系统中正常工作变量剩余寿命的条件风险函数为成比例的风险模型, 讨论该模型参数、 系统的可靠度函数和分位数函数的最大似然估计以及这些估计量的渐近正态性, 给出模型参数的置信区间, 并对点估计和区间估计进行Monte Carlo模拟研究. 结果表明, 估计量的均方误差随样本容量的增加而减少.     

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。     

逐次定数截尾模型下双参数指数分布的区间估计

基于逐次定数截尾模型下,讨论了双参数指数分布形状参数和尺度参数的区间估计,得到了两参数的区间估计和联合区间估计.最后以估计区间的最短长度为标准,通过数值模拟得到参数的最优区间估计方法.     

负二项分布参数的两种区间估计

研究了负二项分布参数的区间估计方法,给出其两种区间估计方法.首先给出负二项分布参数的精确区间估计方法;其次给出大样本近似区间估计方法.最后通过数值例子介绍这些区间估计方法的应用.     

双边定时截尾下指数威布尔分布的参数估计

基于双边定时截尾样本,考察了指数威布尔分布的极大似然估计,由于无法得到似然方程的显式解的表达式,所以证明了解的唯一存在性.用EM算法可以处理不完全数据下参数的估计问题,得到了EM算法估计的迭代式.用R软件进行了随机模拟,结果表明当样本容量n较大时,采用极大似然估计较为准确,当样本容量n较小时,采用EM算法估计较为准确.     

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.     

样本容量对Poisson控制图的影响

研究了估计参数对Poisson(转化成为指数)分布的控制图的影响,推荐了与参数已知时表现近似的Shewhart X图所需要的估计的样本容量,并且提供了小样本情况修正的估计控制限,以使得整体的误报率到达指定水平.     

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。     

指数分布在截尾数据下参数的区间估计

针对截尾数据的参数的区间估计问题,通过构造差分给出了指数分布在截尾数据下参数的区间估计.     

双参数指数分布参数的最短区间估计

研究了双参数指数分布的区间估计方法.首先讨论了当其中一参数为已知,而另一参数未知时,双参数指数分布尺度参数基于选定枢轴变量的最短区间估计方法;然后讨论了两参数均未知的情况下,参数的最短置信区间估计方法.     

两正态分布总体变异系数差的区间估计

通过参数Bootstrap方法和广义推断方法得到了两正态分布总体变异系数差的区间估计,并通过模拟计算比较两种方法的优劣.利用Bootstrap方法,得到了参数Bootstrap样本,计算两总体变异系数差的区间估计;采用广义区间估计法,分别构造两个正态分布总体变异系数的广义枢轴量,求解两正态分布总体变异系数差的区间估计,最后通过模拟计算比较两种区间估计.研究结果表明,广义推断法能够更好地进行区间估计.     

排序集抽样下样本参数的修正区间估计

研究了排序集抽样下样本参数的修正极大似然估计的性质,并以此估计为基础构造了样本参数的修正区间估计.研究表明:在相同的置信水平下,基于排序集抽样的样本参数的修正区间估计较传统的置信区间具有更高的精度.     

逐步增加II型截尾下Pareto分布参数的区间估计

基于逐步增加的Ⅱ型截尾,讨论了Pareto分布形状参数和尺度参数的区间估计。得到了两参数的区间估计和联合区间估计。最后以估计区间的最短长度为标准,通过数值模拟得到参数的最优区间估计方法。     

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.     

区间删失数据情形下GE分布参数的最大似然估计(英文)

讨论了样本数据为区间型数据时参数的最大似然估计问题.当数据为区间删失情形时,参数最大似然估计的精确表达式不存在,甚至近似解都很难得到.由于区间型数据是一种不完全数据,所以利用EM算法来求参数的近似最大似然估计.为了演示,提供了一个真实寿命数据分析的实例.     

二项分布参数的信仰区间估计

利用信仰推断得到单个二项分布参数的信仰分布,由此给出了参数的信仰区间估计。通过数值模拟对信仰区间估计与其它区间估计进行了比较,模拟结果表明信仰区间估计优于其它区间估计。     

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.