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.     

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。     

对数正态总体分布位置参数的信仰区间估计

利用Fisher的信仰推断方法,给出了对数正态总体分布位置参数的信仰水平为1-α的信仰区间估计.     

关于非正态总体的区间估计

在中心极限定理的基础上,推导若干类重要的非正态总体参数的区间估计,并给出典型实例,具有一定的实际指导意义.     

关于非正态总体的区间估计

在中心极限定理的基础上,推导若干类重要的非正态总体参数的区间估计,并给出典型实例,具有一定的实际指导意义。     

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。     

负二项分布参数的贝叶斯区间估计问题

研究了在先验分布为贝塔分布下,负二项分布未知参数θ的贝叶斯区间估计方法。借助Beta分布与F分布的关系给出了参数θ的一般后验区间估计,并给出了参数θ的最短后验区间估计的条件极值解法。通过对参数取值不同的密度曲线形状的讨论分析和数值实例对比,得出结论：在小样本情况下,最短置信区间估计方法值得采用。     

负二项分布参数的一类近似区间估计

借助负二项分布和卡方分布的极限关系,推导给出当参数P较小条件下的近似区间估计,并通过数值例子介绍了此区间估计方法的应用．     

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.     

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.     

离散型随机变量序列最大值的收敛速度

设X1,X2,…,Xn是独立同分布离散型随机变量序列,Mn=max{X1,X2,…,Xn}.当n→∞时,(Mn-bn)/an的极限分布已知.然而,当离散分布的参数随着n而变化时,有可能得到它的非退化极限分布及其收敛速度.研究了3类离散型随机变量序列最大值的收敛速度.     

二项分布的经验贝叶斯估计及应用

讨论了二项分布的经验贝叶斯估计。对用共轭分布β（ａ,ｂ）作为先验分布可能出现的问题,提出了用另外一种先验分布来解决的方法,并给了其在可靠性增长试验中的应用。     

区间估计中一个问题的探讨

讨论了正态总体的均值已知时方差的区间估计．两种方法找到了不同的置信区间,通过举例和分析x2分布表,对这两个区间进行了甄别．     

伽玛分布参数的最优区间估计和最佳双边检验

用传统方法得到的伽玛分布参数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。本文从理论上给出伽玛分布参数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。     

负二项分布置信限的分析推导

本文利用数学分析工具推导出负二项分布的双侧置信限。     

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.     

均匀分布区间长度的最短置信区间

在均匀分布区间长度的区间估计的基础上,利用Lagrange乘子法得到了最短置信区间的唯一存在性,并运用等距搜索法计算得到了3≤n≤50,α=0.05时的最短置信区间表。     

一种离散型随机变量二项分布函数的应用

简介了经典测试理论,分析了组卷问题的数学模型和常见的组卷算法,提出一种基于二项分布原理的优化随机组卷算法。在组卷过程中,以难度系数为主要控制指标,知识点指标为辅,可以很好地解决试卷的难度控制问题,能够使得试题平均难度系数接近正态分布,符合组卷要求。通过四场摸拟考试与数据得出实验数据呈正态分布,信度是83.22,总体来看...     

二项分布两种近似计算的讨论

泊松定理、隶莫佛-拉普拉斯定理给出了二项分布的近似计算公式.如何把握近似条件使近似更为准确?通过二项分布、泊松分布、正态分布的概率值的对比,得出泊松分布在p较小时、n不用太大即可近似较好;正态分布在p较小、n较大等三种条件下都能较好近似二项分布;在p较小、n足够大时两种近似均可的结论.