(p~)混合序列的收敛性质

设{Xn,n≥1}为(p~)混合序列.利用随机变量的截尾方法,研究了(p~)混合序列的几乎处处收敛性,并得到一些新的结果,推广和改进了独立序列的相应结果,而且并不需要另外增加其他条件.

Abstract：

Let {Xn,n≥1} be a (p~)-mixing random variable sequence. By means of the truncation method of random variables,the almost sure convergence for (p~)-mixing sequences was discussed and some new results were obtained, which extended and improved the corresponding results for independent random variable sequences without necessarily adding any extra conditions.     

随机截尾情形下几何分布的参数估计

得到了随机截尾情形下几何分布参数的最大似然估计和近似置信区间,并且求出了平均寿命极大似然估计的数学期望和方差.     

指数分布下无替换定数截尾寿命二次抽样检验

根据计数型二次抽样检验以及指数分布下定数截尾寿命一次抽样的理论,讨论了指数分布下无替换定数截尾寿命二次抽样检验,并给出相应的抽样方案和接收概率.同时,在定数截尾二次抽样方案与一次抽样方案等效的情形下,比较了平均样本量的大小,得出新的二次抽样方案比一次抽样方案更节省样本量.     

基于Logistic总体Ⅱ型截尾样本分布参数的渐进置信估计

利用Logistic分布的若干个样本分位数和广义最小二乘法,给出了基于Logistic总体Ⅱ型截尾样本分布参数的渐进置信估计,在样本足够大的情况下,该方法简单有效。     

逐步Ⅱ型混合截尾下Lomax分布多部件应力强度模型的可靠性分析

基于逐步Ⅱ型混合截尾样本,研究Lomax分布多部件应力强度模型的可靠性分析问题。假设应力和强度具有不同形状参数和共同尺度参数,利用极大似然理论及迭代方法获得可靠度函数的极大似然估计(MLE),并给出渐近置信区间;然后,运用贝叶斯理论,借助Tierney-Kadane(TK)近似方法、MCMC算法,讨论平方误差损失函数下未知参数及可靠度的贝叶斯估计,给出其最大后验密度可信区间(HPD);最后,利用Monte-Carlo模拟方法对估计结果进行对比分析。模拟结果显示：贝叶斯估计整体上优于极大似然估计,并且随样本量的增大,2种估计的均方误差(MSE)均逐渐减小,HPD可信区间的效果优于渐近置信区间。     

恒加试验随机截尾指数分布数据加速系数的LSE

针对恒定应力加速寿命试验下随机截尾指数寿命数据进行统计分析。在加速寿命方程未知的情况下 ,给出了加速系数的近似最小二乘估计方法。随后的随机模拟实例表明 :所给的统计方法计算精度较高     

随机截尾指数寿命数据之参数θ的极大似然估计及其性质

针对随机截尾试验模型 ,导出了失效数据组的联合分布函数 ;在受试样本服从指数分布的条件下 ,获得了参数θ的极大似然估计及其性质 ,这是相对于定数截尾和定时截尾来说更具有一般意义的结果。     

直接数字频率合成器频谱性能分析

对直接数字频率合成器DDS(Direct Digital Frequency Synthesizer)的频谱性能进行了相关分析．在DDS频谱性能量化理论基础上,从相位噪声以及非线性余弦函数映射两个方面对DDS输出信号频谱纯度性能优化．对于硬件结构以及相关参数均确定的DDS而言,其频谱特性将随着频率调节字FFTW的变化而变化．研究结果表明,若字长M为32bit,只需要计算出FFTW为2^0,2^1,…,2^31时所对应的信噪比SSNR值即可,取其中最小值来衡量DDS的频谱特性．基于上述量化方法,可以通过调节DDS系统中不同参数值或结构,计算它们对应的SSNR,从而得到最佳性能的设计方案．分别对相位截尾误差以及非理想SCMF产生的误差进行优化．为进一步提高DDS的频谱纯度,可以对非理想SCMF误差进行优化．通常SCMF由只读存储器查找表和插值算法组合而成．ROM表可以很容易取到相应角度对应的正余弦函数精确值,但是插值算法总会带来一定的运算误差．文中提出一种自动调节算法能够实现对非理想SCMF误差的优化．     

模糊可靠性设计在排爆机器人上的应用

推导了应力为模糊变量、强度为随机变量的组合时,两端截尾分布下的模糊可靠性计算方法,并应用于排爆机器人设计中。应用基于模糊理论的两端截尾的可靠性计算方法,并与传统的概率可靠性设计方法相结合,摆脱过去单纯依靠经验设计短时、长间隔的特种机器人的弊端,缩短了研发周期。