双参数指数分布的参数估计(Ⅱ)

本文将继续文[1]的讨论,给出参数的值间估计,我们分别讨论了位置参数和尺度参数的区间估计.     

中间删失双参数指数分布的参数估计

考虑中间删失数据的双参数指数分布，我们观测不到落在某个随机区间内的数据．在随机删失区间的端点分布已知的条件下得到参数的矩估计量及其强相合性．     

双参数指数分布的参数估计(Ⅰ)

本文讨论了双参数指数分布的参数估计和区间估计问题,分别给出参数的最大似然估计,Bayes估计和最优线性无偏估计,并且给出了一致最小方差无偏估计。     

位置参数受约束时指数分布的参数估计

考虑了位置参数爱约束时指数分布位置参数与尺度参数的估计问题，分别给出了无约束时位置参数与尺度参数的最佳仿射同变估计的改进估计。     

双参数指数分布门限参数估计的讨论

针对双参数指数分布门限参数的两种最常用估计“极大似然估计和最小方差无偏估计”的缺陷,提出了一种新的估计方法,给出了最小方差无偏估计不合理程度的一个度量,统计计算结果表明了新估计的优良性.     

逐次定数截尾下双参数指数分布的参数估计

讨论了双参数指数分布基于逐次定数截尾样本下的参数估计,导出了参数的逆矩估计和极大似然估计,并通过数值模拟进行比较,模拟结果表明逆矩估计优于极大似然估计。     

分组数据下两参数指数分布的参数估计

考虑两参数指数分布的参数估计问题,在分组数据和最小观察值下,给出了参数的精确极大似然估计.它比在分组数据下文献中的近似极大似然估计有更好的精度,蒙特卡罗模拟表明了这一点.     

混合广义指数分布的参数估计

介绍了混合广义指数分布的失效模型,并运用EM算法给出了模型在完全数据情形下的参数估计方法,最后用数值例子说明了EM算法对本文模型的有效性.     

双参数指数分布参数的假设检验

分别给出了单个双参数指数总体和两个双参数指数总体参娄和的假设检验，并且讨论了检验统计量的分布。     

指数分布参数的E-Bayes方法

基于指数分布定时截尾寿命试验,给出了失效率λ的E-Bayes估计.研究了在超参数取不同密度函数时λ的E-Bayes估计之间的关系和收敛速度以及估计量关于超参数的稳健性,并通过实例,给出了不同超参数下失效率λ和可靠度R(t)的计算结果.     

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.     

位置参数受约束时指数分布分位点的估计

讨论了当μ≤Ｃ时指数分布Ｅ（μ，σ）分位点λ＝μ＋ησ（η〉０）的最佳仿射同变结计λ的容许性问题，证明了当η≠１＋１／ｎ时，λ是不容许的，当η＝１＋１／ｎ时，λ是容许的。     

单参数指数分布的Bayes估计及最短区间

贝叶斯估计是统计推断中关于总体参数估计的一种方法,文章研究了在平方损失下,单参数指数分布的Bayes估计,并且介绍了单参数指数分布的最短置信区间。     

中间删失下指数分布的参数估计

考虑中间删失数据的指数分布,我们观测不到落在某个随机区间内的数据。用图解法得出参数的极大似然估计,在随机删失区间的端点分布已知的条件下推出参数的矩估计。     

指数分布具有耐抗性质的参数估计

讨论了指数分布的参数估计问题,给出指数分布参数具有耐抗性质的估计量,同时讨论了估计量的优良性.     

关于指数分布参数的两种估计

利用极大似然估计以及方向极大似然估计的概念,分别得到了双参数指数分布的参数的估计量,并证明了双参数指数分布中的两个参数满足双曲线型关系     

截尾样本下位置参数受约束时指数分布分位点的估计

本文在截尾样本下讨论了当μ≤ｃ时指数分布Ｅ（μ,σ）分位点λ＝μ＋ησ（η＞０）最佳仿射同变估计＾λ的容许性问题,证明了当η≠１＋ｒｎ时,＾λ是不容许的,当η＝１＋ｒｎ时,＾λ是容许的。     

多元混合指数分布的参数估计

应用EM算法研究了多元混合指数分布场合下,正常应力对完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题.     

双参数指数分布尺度参数的区间估计

在位置参数未知的条件下,尺度参数区间估计通常仅依赖于自身的充分统计量,本文根据Pitman准则下点估计改进的方法,将尺度参数区间估计做进一步改进,使得改进后的置信区间又综合了位置参数包含的信息,这样所确定的置信区间在置信水平和精确度上都有了提高.     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。