幂分布次序统计量的性质及渐近分布

设随机变量X服从参数为a的幂分布,X1∶n,X2∶n,…,X n∶n为其次序统计量,得到了参数a的置信区间以及X1∶n和X n∶n的渐近分布;当k(k>1)固定时,得到了X k∶n和X n-k+1∶n的渐近分布.     

关于次序统计量分布的注记

对任意3个次序统计量的分布及任意l（1≤l≤n）个次序统计量的分布给出详细的证明．     

次序统计量和渐近分布（I）

记《Ｘｎ，ｎ≥１》为独立冈分布的随机变量列。以Ｘｎ，１≤…≤Ｘｎ，ｎ记Ｘ１，…，Ｘｎ的次序系统计量。作者将陆续给出３篇文章来讨论和Ｓｎ（ｌｎ，ｒｎ）＝＾ｒ＾ｎ＾－＾１∑ｉ＝ｎ＋１Ｘｎ，ｉ＋ｐｎＸｎ，ｌｎ＋ｑｎＸｎ，ｒｎ当ｎ→∞时的渐近分布。这些文章所使用的方法是统一且初等的。作为上述和的特例，本文将改进文献中关于截断和及修断和及修正截断和的某些结果，还将讨论一类新的截断和──边项次序统计量的和。本     

次序统计量和的渐近分布（Ⅱ）

记｛Ｘ＿ｎ，ｎ≥１｝为独立冈分布的随机变量列。以Ｘ＿（ｎ．１）≤…≤Ｘ＿（ｎ，ｎ）记Ｘ＿１，…，Ｘ＿ｎ的次序统计量。作者将陆续给出３篇文章来讨论和Ｓ＿ｎ（ｌ＿ｎ，ｒ＿ｎ）当ｎ→∞时的渐近分布．这些文章所使用的方法是统一旦初等的。作为上述和的特例，本文将改进文献中关于截断和及修正截断和的某些结果，还将讨论一类新的截断和──边项次序统计量的和。本文先列举了所要讨论的问题和给出一般性的引理，然后讨论当ｌ＿ｎ≡ｌ和ｎ—ｒ＿ｎ＋ｌ≡ｒ时上述和在适当标准化以后的渐近分布。     

关于次序统计量的联合分布与应用

设总体X具有连续的分布函数F(x)以及概率密度f(x),X(1),X(2),…,X(n)为次序统计量.得到了任意k个次序统计量的联合密度的一般形式.     

寿命分布类的次序统计量的联合分布

本文把计算次序统计量的联合分布由两个次序统计量的情况推广到K个次序统计量的情况，并求出了一些常用的寿命分布类的κ个次序统计量的联合分布。     

艾拉姆咖分布次序统计量的性质

研究艾拉姆咖分布次序统计量的性质,给出其密度函数,数学期望和方差,证明它的间隔不独立且不同分布.     

三参数的Pareto分布顺序统计量的渐近分布

设{Xk,1≤k≤n}独立同分布,X1∶n,X2∶n,…,Xn∶n为其顺序统计量.当Xk服从三参数分别为μ,σ,r(μ∈R,σ＞0,r＞0)的Pareto分布时,作者得到了其极端顺序统计量X1∶n和Xn∶n的渐近分布;当k(k＞1)固定时,得到了Xk∶n和Xn-k+1∶n的渐近分布,并且证明其极端顺序统计量X1∶n和Xn∶n是渐近独立的.     

次序统计量的一些结果

X1,X2,…,Xn是来自总体X的简单随机样本,X(1)≤X(2)≤∧≤X(n)为其次序统计量,文章讨论了一个[0,1]上服从均匀分布的次序统计量导出的计算公式,该公式在流行病学等学科中应用比较广泛。     

双截尾的Cauchy 分布顺序统计量的渐近分布

设 {X_k, 1 ≤k ≤n}独立同分布, X_1:n, X_2:n, … , X_n:n为其顺序统计量。当 X_k服从参数为 A 和 B(A1:n和X_n:n的渐近分布; 当 k(k>1)固定时,得到X_n:n和X_n-k+1:n的渐近分布; 并且证明其极端顺序统计量X_1:n和X_n:n是渐近独立的。     

从几个次序统计量出发的二参数Weibull分布的参数估计

从两个或三个次序统计量出发,讨论了二参数Ｗｅｉｂｕｌｌ分布的参数和估计问题,在实际数据的缺失、删失、截尾等情况下,为可靠性试验的数据处理提供了一种有效的估计方法。     

Kumaraswamy分布顺序统计量的数字特征及渐近性质

设{Xk,1≤ k ≤n}独立同分布,X（1）,X（2）,······ X（n）为其顺序统计量,当总体服从Kum（λ,φ）分布时,得到了其顺序统计量的联合概率密度、极端值顺序统计量的概率密度和k阶矩的表达式.此外还研究了极端值顺序统计量X（1）和X（n）的渐近分布。     

双参数指数型分布最小和最大次序统计量矩的精确计算公式

讨论双参数指数型分布最小和最大次序统计量矩的计算,利用双参数指数型分布矩的递推关系及密度函数的特点获得了它的最小和最大次序统计量各阶矩以及各阶混合矩的精确计算公式.     

次序统计量概率分布近似计算

用直方图估计量与核密度估计量分别对离散型次序统计量和连续型次序统计量的分布进行估计,讨论了估计量的均值及方差,给出了相应估计量的MC算法,并以Possion与Gamma分布为例进行模拟验证。结果表明MC算法具有较好的收敛速度而且是稳健的。     

用两个次序统计量确定Weibull分布形状参数的置信下限

从两个次序统计量出发,给出了二参数Weibull分布的形状参数的置信下限.在实际数据的缺失、删失、截尾等情况下,为可靠性试验的数据处理提供了一种有效的估计方法.     

次序统计量分布的参数识别

设x_1,x_2,…,x_n是n个相互独立的随机变量,第k个(1≤k≤n)次序统计量x(k)的分布是否能唯一决定每个随机变量x_i(i=1,2,…,n)的分布,当k=n时,Anderson TW等对一定类型的随机变量作出了肯定的回答。本文将对一定类型的相互独立同分布(i.i.d.)的随机变量,研究k为任意正整数(1≤k≤n)时上述提出的问题。     

利用次序统计量估计指数分布的均值和方差

利用次序统计量对指数分布中的参数进行估计,进而估计其均值和方差,对方差进行分析比较。     

利用次序统计量估计某类群体的平均寿命

利用次序统计量对伽玛分布Γ（α，1）及Γ（α，β）进行参数估计，进而估计某类服从伽玛分布的群体的平均寿命和方差。     

次序统计量之和的中心极限定理

设{X, X_i, i≥1} 为独立同分布随机变量列,具有共同的非退化分布函数Ｆ,并且|X⁽¹⁾_n|≥|X⁽²⁾_n|≥...≥|X⁽ⁿ⁾_n|为|X₁|, |X₂|,...,|X_n|的次序统计量。对于r_n→+∞,r_n/n→0,记^(r_n)S_n=∑ⁿ_i=rn+1X⁽ⁱ⁾_n。本文得到了依分布收敛到正态的充要条件。