超几何分布中未知参数的精确置信区间

导出超几何分布的参数θ的精确置信区间,并进行应用举例.     

Bootstrap方法下的Poisson分布置信区间估计

文章研究了参数为λ的Poisson分布的Bootstrap置信区间,通过模拟计算,用此方法得到的Bootstrap置信区间的精度明显优于用经典方法得到的置信区间.     

受限参数空间上的置信区间

当参数限制在某一范围内并服从一致的分布，且多余参数未知时，其贝叶斯置信区间有很高的置信概率。本文提出了利用随机变量的均值来计算置信区间的方法，并对上述结论进行了充分的检验，结果显示在更短的置信区间上仍然有很高的置信概率。     

单峰分布的置信区间

讨论了单峰分布的最短置信区间的问题。设单峰分布的概率密度为ｆ（ｘ），ｘ０为其峰点。若区间满足：１）；３）则为该分布置信度为１－α的最短置信区间。     

Poisson分布的几种置信区间的比较

文章应用经典方法、Bayes方法和Bootstrap方法研究了Poisson分布参数入的置信区间，并通过数据模拟比较，发现Bootstrap方法优于其它两种方法。     

平均值置信区间的公式表示

4个常用 p值的 t分布分位数 ,可用 4个简单的公式表示 .用于国际标准和国家标准的平均值置信区间的表示中 ,不用查表 ,非常方便 ,误差也很小 .在 n=3,置信区间所产生的置信概率误差 ΔP<0 .1 6 ;n≥4 ,Δp<0 .1 .     

两参数Weibull分布联合置信区间估计

提出了定数截尾下两参数Weibull分布精确联合置信区间估计的一种方法,并给出了可靠度的一个保守的置信下限,最后用模拟方法将其和已有的联合置信区间估计方法进行比较,表明文章的估计方法更好.本方法亦可推广到双边定数截尾的情形.     

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.     

定时截尾试验Weibull分布参数的近似置信区间

该文研究了Weibull分布大样本定时截尾试验,给出了总试验时间的极限分布,在给定任一参数的条件下,利用一种全新的途径得到了一另一参数的近似置信敬意 ,设产品寿命x服从Weibull分布W（λ,b),对受试产品xi进行定时时间t0的截尾试验,得到观察数据Si=min(xi,t0)。由于总试验时间S=S1 S2 … Sn近似服从正态分布：S-E（S）/（VarS)^1/2=√n(S-u)/(2u-u^2)^1/2∞N(0,1),由此可以得到参数（u,v)的联合置信域D：u≥1 β^2/2β^2(u-S/1 β^2)^2 S^2/2(1 β^2) 。由于Jacobi变换地列式|J|≠,因此区域D的任意一点(u,v)都能找到唯一的点(λ,b)与之对应,对于任一给定的λ,参数曲线u=u(b),v=v(b)与区域D的边界曲线正好有2个交点,解方程:(1 β^2)u^2(b)-2S.u(b)-2β^2v(b) S^2=0,得到了2个根b1(λ),即为参数λ的置信水平1-α的置信区间:b1(λ)≤b≤b2(λ).     

指数分布参数的Bayes HPD置信区间估计

利用Bayes统计分析方法,研究当先验分布为伽玛分布时,指数分布未知参数λ的Bayes区间估计问题,并给出参数的最高后验概率密度区间-HPD区间估计的条件极值解法,给出例子说明该方法的优越性.     

指数分布区间型删失数据的可靠度最优置信下限

由于测量仪器的精度,测量方法等原因,往往不能得到产品精确的失效时间,得到的是区间型删失数据.本文讨论了指数分布区间型删失数据下的可靠度最优置信下限的估计问题.首先采用极大似然估计方法对指数分布区间型失效数据的失效率进行了估计,然后对每个区间型失效数据采用期望值对其失效时间进行估计,通过估计出的失效时间估计出了可靠度的最优置信下限,并给出了计算机模拟结果.     

泊松分布参数估计的比较研究

研究了泊松分布点估计及区间估计,并证明了样本均值是参数λ的优良估计量。利用贝叶斯统计分析方法,在取先验分布为共轭分布的情形下,给出了最大后验密度可信区间,即最短可信区间,并通过实例与经典区间估计进行了比较。     

二项分布与泊松分布判别的假设检验

提出了判别二项分布与泊松分布的假设检验方法,并举例说明这种检验方法的可行性。     

复合泊松逼近定理

讨论了独立非负整值随机变量部分和的极限分布，给出了这类随机变量部分和与其极限分布的变差矩上界，并用新方法证明了独立非负整值随机变量部分和及其极限分布的一个同阶变差矩上界．     

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。     

瑞利分布参数的最短区间估计

研究了瑞利分布参数的区间估计方法。给出了瑞利分布参数的最短区间估计方法;通过一个实例介绍了最短区间估计方法的应用;最后指出最短区间估计方法比传统区间估计方法所具有的优越性。     

正态均值常用估计区间的改进

从统计决策理论角度考虑了正态均值置信区间的改进问题.利用未知分布参数之间的序限制,通过使用改进估计量的IERD方法,对无序限制情况下正态均值的minimax置信区间进行了改进,构造了一族改进置信区间.     

对广义复合Poisson模型赤字分布下界的改进

研究一类广义复合Poisson模型的赤字分布,获得了赤字分布的两个更精细的下界估计,从而改进了关于该模型赤字分布下界的已有相关结论.     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题.主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间.最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大.在置信区间的构造方面,不论是小样本还是大样本,...