两个二项总体具有部分缺失数据时的估计

文章主要讨论了两个二项总体均具有部分缺失数据时的参数的极大似然估计,并证明了估计的强相合性和渐进正态性,以及给出了两总体参数差的近似置信区间.     

b(1;p)中参数的估计及优良性

基于b(1;p)总体,求出了未知参数p/1-p的矩估计与极大似然估计,得到这两种估计相等,具有相合性、渐近正态性和渐近有效性的重要结论.     

缺失数据p-范分布的极大似然估计

讨论了具有部分缺失数据p-范分布总体的未知参数σ的极大似然估计,证明了估计量的强相合性和渐近正态性。     

平衡损失下Possion分布参数的估计

设X1,…,Xn是Possion分布总体P的样本,其中是未知参数.在平衡损失函数下,取共轭先验时,得到了的Bayes估计,进而讨论了的形如aX+b的估计的容许性问题.     

具有部分缺失数据混合几何分布总体的参数估计

在部分数据缺失情形下,研究混合几何分布总体参数的矩估计,证明了此估计量的强相合性及其渐近正态性质.通过随机模拟,给出不同样本容量下总体参数估计的均方误差,模拟结果显示均方误差较小,说明此方法具有可行性.     

基于中位数排序集抽样的区间估计

利用中位数排序集样本的次序统计量来构造未知总体中位数的区间估计,证明了新估计具有适应任意分布性,并系统验证了新区间估计的精度一致高于排序集抽样下总体中位数的区间估计。最后将针叶树的一组真实数据进行了实际应用。     

正态总体标准差的两个无偏估计及性质

针对正态总体情形,给出总体标准差的两个新的无偏估计量,并且证明了这两个估计量具有相合性与渐近方差为零的性质,最后对于其中结构较繁琐的估计量给出它的简化计算公式.     

平衡损失下回归系数的最优估计

主要研究一般Gauss-Markov模型中回归系数的最优估计问题.在平衡损失下,考虑回归系数的线性估计在线性无偏估计类中的最小风险性,得到回归系数的最优线性无偏估计,并证明最优线性无偏估计在几乎处处意义下的唯一性.特别地,考虑了一类特殊的估计:b-线性估计;获得了回归系数的最优b-线性无偏估计,结果表明最优线性无偏估计也是回归系数的最优b-线性无偏估计.     

具有部分缺失数据时两个几何总体的估计

讨论了部分缺失数据时两个几何总体的参数的估计,证明了估计的强相合性和渐近正态性。     

Linex损失下二项分布参数的Bayes估计

在Linex损失函数下讨论了二项分布参数的Bayes估计,当先验分布取Beta分布和幂分布时分别给出了参数的Bayes估计,多层Bayes估计,E-Bayes估计的精确形式,并证明了Bayes估计的可容许性.     

基于上记录值Lomax分布的统计推断

基于上记录值，该文讨论了在Lomax分布总体中未知参数、系统可靠度及失效率的极大似然估计，并利用中心极限定理得到了模型参数的近似置信区间.首先，当2个参数的先验分布为混合分布时，在2种损失函数下计算了未知参数及可靠性指标的Bayes估计，并给出了超参数的估计方法；然后，分别用频率方法和Bayes方法对未来的上记录值进行预测；最后，提出了一种模拟上记录值的算法，利用模拟的记录值计算了相关的结果.     

三阶Erlang分布参数的Bayes估计及检验

首先给出了三阶Erlang分布在定数截尾场合下参数的极大似然估计;其次给出了在“平均剩余寿命”下的三阶Erlang分布参数的拟矩估计;然后再利用共轭先验分布得到了参数的经验Bayes估计、区间估计和假设检验;最后通过模拟得到一组随机样本并给出了不同截尾样本下参数的点估计和区间估计。     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．     

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。     

PPS估计与乘积估计的比较

PPS放回抽样方案下对总体均值的估计与简单随机抽样方案下对总体的乘积估计是实际应用相当广泛的两种抽样方法。本文在规模指标与关心指标呈负相关的情形下比较了这两种估计的优劣。     

系数随机的多元线性回归模型的参数估计

对一般系数随机的带有相关因子的多元线性回归模型的参数进行估计。估计值是用EM算法给出的极大似然估计或约束的极大似然估计。给出了EM算法的具体公式,并利用bootstrap方法估算出这些估计值的精确度。最后通过一判别儿童总体中是否存在Catch-Up生长的例子以解释给出的方法。     

Gumbel分布的三种参数估计及比较分析

用最佳线性无偏估计法、简单线性无偏估计法和最好线性同变估计法对Gumbel分布中的参数进行估计,从理论上讨论了三种估计方法的统计性质。     

再论Gumbel分布参数估计及在水位资料分析中应用

利用某条河流3个水位观测站的历年最高水位资料,分别用极大似然法、矩法及最小二乘法对GLmbel分布中的参数进行了估计．探讨了3种估计方法的统计性质,并给出了这条河流3个观测站若干年一遇的最高水位曲线．极大似然法给出的估计量在很多方面都具有较好的且稳定的表现．     

NEAR(p)模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好; 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

带随机参数线性系统参数和状态估计的两阶段卡尔曼滤波算法

本文提出了一种带随机参数线性系统参数和状态估计的两阶段卡尔曼滤波算法.先利用卡尔曼滤波器和参数的观测信息作出参数的估计;然后把参数估计值代入状态方程得到原状态方程的近似,再次利用卡尔曼滤波器和观测信息作出状态的估计.优点是节省计算量,同时,估计的精度也有所提高.