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．     

定时截尾情形下 Ｂｕｒｒ Ⅻ分布的参数估计及其检验

在定时截尾情形下，讨论了 Ｂｕｒｒ Ⅻ分布的形状参数、可靠度和失效率的极大似然估计，给出了极大似然估计的表达 式，证明了极大似然估计的相合性和渐进正态性，并给出它的近似区间估计和假设检验公式，最后进行了参数估计的数值模 拟。 结果表明:形状参数的极大似然估计效果良好。     

利用混合 Gibbs 算法给出广义指数分布参数的贝叶斯估计

在分组数据和定数截尾场合，分别利用混合 Gibbs 算法给出广义指数分布参数的 Bayes 估计，并进行蒙特卡罗模拟，计算参数 Bayes 估计的均值、均方误差与可信区间，给出模拟过程中参数的轨迹图、直方图和自相关系数图，结果令人满意，算法可行、稳定、精度高。
     

排序集抽样下定时截尾指数寿命数据的参数估计

针对定时截尾指数寿命数据的参数估计问题,采用排序集抽样方法,研究了指数分布参数的极大似然估计.针对排序集抽样下似然方程求不出解的问题,似然方程的部分项替换为期望,并给出修正极大似然估计.估计效率的比较结果说明:基于排序集抽样方法的修正估计量优于基于简单随机抽样方法的极大似然估计量.     

排序集抽样下随机截尾数据的平均寿命估计

为了提高随机截尾数据平均寿命的估计效率,采用平均秩思想,提出了基于排序集抽样方法的非参数估计量,证明了新估计量的渐近正态性,确定了其渐近方差,并与简单随机抽样下相应估计量进行了估计效率的比较,结果表明,排序集抽样效率高于简单随机抽样.最后,实际数据的应用结果验证了理论结果的正确性.