截断删失数据下线性指数分布的参数估计

研究了截断删失数据模型中线性指数分布的参数估计问题。分别利用极大似然估计法和EM算法对未知参数进行估计,并给出参数估计随机模拟检验,通过检验发现:极大似然估计得到的参数估计和EM算法得到的参数估计结果差不多,但是EM算法的收敛速度较快。     

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．     

定时截尾情形下几何分布参数的估计和检验

本文讨论了定时截尾情形几何分布参数的极大似然估计,证明了参数的极大似然估计的相合性质和进一步的渐近正态性质,给出了检验两几何总体参数相等的检验统计量以及检验统计量的极限分布.其结果对于离散型总体分布的参数估计问题具有普遍的现实意义.     

不完全数据情形下指数分布参数的极大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,还提出了分组数据场合参数极大似然估计的图解求法。     

不完全数据情形下指数分布参数的最大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,本文给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,论文还提出了分组数据场合参数极大似然估计的图解求法。     

基于神经网络的最大似然空间信号参数估计

本文主要研究了用Hopfield神经网络实时实现最大似然多信号源空间参数估计方法。报传统最大似然信号参数估计的理论和Hopfield连续状态神经网络特性后，给出了一种实现最大似然空间参数估计模型，该神经网络模型的模拟实验结果表明，用Hopfield网络实时实现的信号参数估计方法具有与传统的最大似然参数估计法拥有同样的理论分析结果。     

拟似然函数法处理无失效数据

利用修正似然法思想,提出了引进失效信息后的极大似然估计法,具体给出了指数分布及Weibull分布场合参数的拟极大似然估计,且进行了实例计算.     

遗传算法在混合Weibull分布极大似然估计中的应用

在数理统计中，极大似然估计法是参数估计的重要方法之一，它的计算也一直是统计计算的一个重要研究方向。本以多参数Weibull分布为例，设计遗传算法来计算极大似然估计，得到了非常满意的计算结果。     

原始疲劳质量模型描述方法改进

提出了用神经网络插值代替拉氏插值计算裂纹形成时间(TTCI)值,用极大似然估计代替均秩估计法估计分布参数的方法. 考虑到仅对一组TTCI值进行参数估计具有较大的随机性,文中对每种参考裂纹尺寸对应的TTCI值均进行极大似然估计,得出多组TTCI分布参数;然后利用不同参考裂纹尺寸对应的TTCI分布参数之间的关系确定结构细节的当量初始缺陷尺寸分布参数. 对某零件的疲劳实验及其原始疲劳质量分析证明了该方法的可行性和合理性.     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

威布尔模型的参数估计方法——极大似然法

利用概率论中极大似然法的理论来探讨威布尔参数估计问题，并利用MATLAB的相关命令、函数对它们进行了部分编程，主要讨论了三参数威尔尔模型的极大似然函数、参数估计和MATLAB程序。     

基于极大似然法的雪荷载计算与分析

为了提高雪荷载评估的准确性,利用极大似然法对雪荷载平稳二项随机概率分布模型进行参数估计.通过引入似然函数,使似然函数在某组参数上达到最大值,获得模型参数的极大似然估计.然后利用柯尔莫哥洛夫检验法对分布函数进行检验,并与矩法和耿贝尔法进行对比分析.结果表明,极大似然法在剩余方差Sf和拟合相对偏差Rf指标方面最优.进一步应用上述三种方法,基于沭阳县实测的历年最大积雪深度计算雪压,并与现行规范中的基本雪压进行对比,发现极大似然法计算结果合理可靠、整体效果最好,认为规范采用极大似然法对雪荷载进行参数估计更为合适.     

多个Marshall-Olkin Fréchet分布总体参数在序约束下的极大似然估计

研究了扩展型分布族Marshall-Olkin Fréchet分布的参数估计问题.运用迭代方法分情况讨论了当部分参数未知时参数的极大似然估计;利用MATLAB软件和喷气式飞机空调系统连续故障间隔时间的数据,进一步讨论了多个分布总体参数在序约束下的极大似然估计问题.     

左截断右删失数据下尺度参数与协变量相关时广义指数分布的估计及应用

在左截断右删失数据类型下,当时间变量T服从广义指数分布时,针对尺度参数是否受协变量影响建立两种模型,并用极大似然估计法给出参数估计,用Newton-Raphson算法求解参数估计.将两种模型分别应用到变压器寿命数据集和Channing house数据集中,得到了其生存函数和风险函数.     

Ⅰ型双删失样本下Lomax分布形状参数的估计

基于Ⅰ型双删失样本求Lomax分布中形状参数的极大似然估计,并不能得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的.用EM算法得到了未知参数的迭代公式,通过相关引理证明了该算法具有良好的收敛性.通过一个例子分别计算出参数θ的极大似然估计和EM估计,并把它们进行了比较,验证了EM算法是Ⅰ型双删失样本下参数估计的一种有效方法.     

基于逐步区间删失数据Rayleigh分布的参数估计

基于逐步I型区间删失样本,通过求解似然方程,并不能得到未知参数的极大似然估计,采用Newton-Raphson解法得到了极大似然估计的近似解。用EM算法得到了参数估计的迭代公式,通过数值模拟把这两种估计进行了比较,结果表明两者非常接近,EM算法对初值的选择比较灵活,因此更加方便。     

遗传算法的线性混合模型的影响分析

讨论了遗传算法的限制极大似然估计(RMLE)的计算问题,采用极大似然估计法,利用方差分量无偏估计对模型分量参数进行影响分析.     

Chan-Karloyi-Longstaff-Sanders模型的参数估计

Chan-Karloyi-Longstaff-Sanders模型是典型的短期利率模型,在金融市场具有重要的应用价值。文章研究了离散观测下Chan-Karloyi-Longstaff-Sanders模型的参数估计问题。首先,利用Euler方法离散化连续时间扩散过程,定义一个新变量并给出新过程的密度函数。其次,运用极大似然估计法给出参数估计量和估计误差的解析表达式。然后,运用鞅大数定律、Holder不等式、B-D-G不等式和Cauchy-Schwarz不等式证明了参数估计量的一致收敛性。最后,通过数值例子给出估计量和估计量与参数真值绝对误差的模拟结果,并通过模拟结果验证了估计方法的有效性。     

双重线性模型的参数估计

用推广的最小二乘法及极大似然估计法对双重线性模型 AR( 1) - MA( 0) 中的参数进行估计,从而提高模型的拟合度和预测精度.     

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。