关于Γ-分布参数的估计量

本文给出了Г-分布G（α,β）参数α的修正矩法估计量和参数β的修正极大似然估计量,并证明了它们具有无偏性和强相合性．     

关于指数分布参数估计的一个错误

本文证明了指数分布中参数λ最大似然估计量∧λ的期望,从而纠正了教材中的一个错误.     

均匀分布场合下参数的极大似然估计

针对不同区间上的均匀分布,应用次序统计量,给出了未知参数的极大似然估计,并讨论了估计量的无偏性。     

关于指数分布参数估计的一个错误

本文证明了指数分布中参数λ最大似然估计量λ^的期望，从而纠正了教材中的一个错误。     

二项分布中p~2的矩估计与极大似然估计

基于二项分布B(n,p)总体,给出了未知参数p2的矩估计和极大似然估计,并讨论了估计量的无偏性。     

正态总体方差和标准差的无偏估计

在正态总体分布下,给出了方差及标准差的矩估计量和极大似然估计量,讨论了两者之间的关系,得出两类估计量相同,并进一步给出无偏估计量。     

点估计的一种敏捷算法

基于中心极限定理和正态分布参数的最大似然估计量,给出了点估计的一种敏捷算法,简化了参数点估计的计算过程,并通过具体例题证明了该算法得出的估计结果满足无偏性.     

逐步二型删失数据下广义Pareto分布的参数估计

逐步二型删失数据在生存分析中的应用较为广泛,因此在逐步二型删失数据下推导了广义Pareto分布中的尺度参数的极大似然估计与Bayes估计的估计形式,并在平方损失函数下,基于MCMC方法与Lindley近似法,给出了广义Pareto分布尺度参数的Bayes估计.结果表明：贝叶斯估计方法优于极大似然估计方法,MCMC后验抽样下的Bayes估计优于Lindley近似方法.     

极大似然估计及其应用

讨论了极大似然估计原理及求法,说明了极大似然估计在不同分布和参数空间的应用,阐述了生命表中在单风险非完整样本数据环境中表格生存模型的极大似然估计方法．     

经验似然在正态分布中的应用

正态分布为概率论中很重要的一种分布,在科学研究中有着重要的地位,该分布由均值和方差两个变量决定。常用的参数估计法为矩法估计和极大似然估计,经验似然作为一种新的估计方法,同样适用于其它常用的分布。     

估计方法中若干问题的随机模拟及探讨

利用R统计软件的绘图和随机模拟功能,对矩估计和极大似然估计的统计性能、矩估计不惟一时矩的阶数选择以及用参数法和非参数法进行置信区间估计的异同点等进行直观描述,揭示方法的区别,以促进方法的理解和正确应用。     

极大似然估计的性质探讨

文章首先介绍了极大似然估计,然后综述了极大似然估计的优良性质,同时探讨了在应用极大似然估计时所应注意的问题。     

大学数理统计教学中有关极大似然估计方法的课堂讲授

极大似然估计在参数的点估计方法中是一个重要的估计方法,并且其估计值有很多优良的统计性质。在教学中,由于此方法计算较为复杂,学生学习起来较为困难。主要介绍了极大似然估计的容易理解的课堂讲授方法。     

用微分算子解常系数高阶线性非齐次微分方程

本文介绍用微分算子法,求常系数高阶线性非齐次微分方程的特解,微分算子法在众多的方法中,不失为一种好方法,简单易用、计算量小。     

广义逆威布尔分布参数的ML估计

逆威布尔分布是可靠性理论中常见的一种失效分布,可广泛应用于化学化工,电子电气,机械材料领域.对于逆威布尔分布的尺度参数和形状参数的极大似然估计是研究威布尔分布模型问题的重要方法.由于考虑到普通迭代估计过程的不稳定性,本文利用修正牛顿迭代法给出了完全样本情况下广义逆威布尔分布多个参数的极大似然估计,然后通过随机模拟来验证估计的合理性.     

极大似然估计的一个推广

本文推广极大似然估计到二阶以上情形,并给出其满足Bh方差下界条件的性质。同时也将作者提出的Г分布自协方差估计推广到任意指数型分布的多参数情形。这类估计量对于Bh方差下界的研究具有一定意义。     

双边定数截尾下线性指数分布的参数估计

在双边定数截尾样本下讨论了线性指数分布中未知参数的极大似然估计和Bayes估计.通过Newton-Raphson迭代法得到了参数的极大似然估计,并证明了极大似然估计的唯一存在性.选取无信息先验分布与共轭先验分布,分别在对称损失函数和非对称损失函数下,通过Tierney-Kadane近似讨论参数的Bayes近似估计.利用MatlabR200b模拟了未知参数的极大似然估计的均方误差以及Bayes估计的均方误差,结果表明：不同样本量不同截尾方案下,选取Gamma先验分布并在平方损失函数下,未知参数的Bayes估计的均方误差是最小的.     

对数正态分布参数的最大似然估计

利用最大似然估计法求出了对数正态分布两个参数的估计量，并讨论了它们的无偏性和相合性。     

右截尾数据处理方法简析

电子元器件可靠性寿命分析中,右截尾类型的数据居多,针对此类数据的分析方法也很多。其中,线性回归和极大似然估计应用较广。在此,运用实例对这两种方法进行了对比分析,指出了使用线性回归法进行参数估计的缺点,说明极大似然估计法是比线性回归法更优的统计模型。     

《工程数学》复习指导(2)

第四章 数理统计1、了解总体、样本、统计量等概念.2、熟练掌握参数点估计方法——最大似然估计和最小二乘估计.3、掌握区间估计和假设检验的意义和方法,尤其是U检验法.4、熟练掌握用最小二乘法求回归直线的方法及显著性检验.5、知道抽检与工序控制问题.总体是由可观测的个体的全体构成的.样本是从总体中随机抽取的一串互不影响的个体,它是一串与总体同分布的相互独立的随机变量.统计量是对样本进行加工处理后引进的量,它是样本的不合未知参数的函数.最大似然估计的步骤: