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.     

MA模型参数的两种估计方法及其渐近性质

本文利用MA模型参数与其逆转形式系数之间的关系,给出了参数的两种线性估计方法,并证明了本文给出的方法具有强相容性和渐近正态性。     

正态分布N(μ,σ2)的标准方差的两个渐近正态估计

讨论了正态分布标准方差的两个渐近正态估计量及它们之间的优良性的比较,利用相对渐近效准则作为比较的准则.     

非线性随机解释变量模型参数的假设检验

非线性随机解释变量经济计量模型y=f（x,θ0）＋ε,未知参数氏的最小二乘估计的存在性、相合性与正态性已在有关文献中得到阐述,在此基础上,给出未知参数θ0的线性和非线性假设检验的检验统计量．     

一种推广的Pickands型估计近正态性

文献[1],[2]给出了一种推广的Pickands型估计,并证明了它的相合性。本文运用典型方法进一步研究了这种Pickands型估计的渐近正态性,并给出了其证明。     

两种多元正态性检验方法的应用和比较

讨论了多元正态性检验的两种主要方法--卡方图检验法和主成分检验法,介绍了其基本原理和具体实施步骤,并通过实例研究比较它们的优劣,发现主成分检验法具有更好的功效和更强的实用性.     

二维正态总体相关性的假设检验

在样本相关系数具有渐近正态性的条件下,给出了一种二维正态总体分量相关性的假设检验方法,并且与大样本情形下的传统检验方法比较了功效,得到渐近相对效率为1的结论,且新的检验统计量形式明显简单,从而说明新的检验方法是简便可行的.     

正态分布参数估计的优良性

本文在统计判决函数理论和大样本理论下，讨论了正态分布参数估计的优良性。     

两总体分布均值相等的U统计量检验法

在任意总体分布且方差未必相等的情形下,给出了两总体分布均值相等的U统计量检验法,并讨论了检验统计量的相合性、渐近正态性及检验的功效.     

假设检验的新方法

用信息论的数据压缩方法讨论两个相关信源假设检验问题，在１比特压缩率编码约束下给出了复合假设检验问题的功效指数函数，并用该方法证明了复合假设检验情形的Ｓｔｅｉｎ引理     

变异系数的抽样分布及假设检验

变异系数是一项可靠性指标,它应用于既有结构的可靠性、医院统计及保险理论等方面,对变异系数进行假设检验具有现实意义。本文取自一般正态总体的子样,并利用样本均值X珔、样本标准差S和变异系数v=σμ的关系构造了一种含变异系数的抽样分布Z=v XS珔～z(v,n-1),同时给出了该分布的密度函数fZ(z)=(n 2-1)n2-1πv22nΓ(n 2-1)∫+∞0 yn-1 e-21[(n-1)y2+(yvz2-/1n)2]dy。本文给出一种对变异系数的小样本假设检验方法,根据该抽样分布及原假设成立的条件下确定检验统计量Z=v0 XS珔,然后利用统计量构造一个使备择假设成立的小概率事件,由此得出拒绝域或拒绝条件。     

正态总体方差假设检验中两类错误的探讨

定义了正态总体方差检验的OC函数,探讨了其性质,并给出了一种控制两类错误下最小样本容量确定的方法.且可应用于实际工作中.     

正态总体分布参数的Bayes假设检验

本文用Ｂａｙｅｓ统计思想研究了正态总体分布参数的假设检验问题。     

求解双尺度差分方程的一种新迭代算法

本文给出了求解双尺度差分方程的新方法。读方法屿已有方法相比具有存储量小和运算速度快等特点。     

指数分布模型模糊假设检验的贝叶斯方法

在独立同分布样本中，对于单参数指数分布中尺度参数的多重模糊统计假设检验。在定时截尾样本情形下，得到了指定损失函数的贝叶斯解．其中使用的先验分布为Jeffreys先验和共轭先验．最后，给出了数值算例．     

关于单个总体均值的半参数假设检验方法

提出一种半参数的假设检验方法,将它应用于对单个总体均值的假设检验.最后给出了实例分析.     

两个正态总体参数的线性关系的假设检验

探讨了两个正态总体的数学期望及方差的线性关系的假设检验方法     

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.