刻度平方误差损失下逆指数分布的Bayes可靠性分析

本文在刻度平方误差损失函数下研究逆指数分布参数的Bayes估计问题,在参数的先验分布为Gamma先验分布下,得到了参数的Bayes估计.最后,通过蒙特卡洛统计模拟试验比较分析最大似然估计和Bayes估计.     

基于缺失数据下混合Pareto分布参数的估计

文章运用矩估计的方法,研究当数据不完整的情况下混合Pareto分布总体参数估计问题.首先,由矩估计法解得的统计量满足相合性和渐近正态性.然后,由随机模拟得出两参数估计的均方误差.最后,通过观测均方误差结果验证其具有可行性.     

韦布尔分布秩序统计量的随机比较

证明了对于独立不同分布的两个韦布尔样本．在韦布尔分布的形状参数小于1的情况下,样本对应的秩序统计量间存在一致的随机序;当形状参数大于1时,最小秩序统计量和最大秩序统计量的随机序相反．     

混合weibull分布定数截尾数据下参数的Gibbs抽样

为解决在定数截尾的情况下混合weibull分布的参数估计问题,给出了混合weibull分布的后验参数估计形式,设计了用于参数Bayes估计的Gibbs抽样方案.通过随机模拟,结果显示,采用Gibbs抽样算法的参数估计具有一定的有效性和良好的稳定性,特别在样本较少的情况下优于使用EM算法的估计结果.     

FisherZ分布族的性质探究

概率统计中常见的分布如正态分布等的性质我们知道的比较透彻,F isher Z分布族也是一种很重要的分布,通过计算其特征函数得出它的矩,并研究其与Beta分布和均匀分布中次序统计量分布之间的关系,还讨论了它的参数的充分统计量和样本均值及其函数的渐近分布。     

定数截尾下几类可靠性分布的未知参数的E B估计

在定数截尾试验下,本文利用指数分布次序统计量的性质,对几类分布常见的可靠性分布密度函数的未知参数进行了Bayes分析,得出了相应的Bayes估计,并给出了数值例子说明此方法较好.     

统计量在统计推断中的关键作用分析

常用统计量及其分布,在实现用样本推断总体这个统计推断的主体思想中起着关键的作用,选取合适的统计量,再通过运算或逻辑推理来完成参数估计和假设检验是统计推断的主要步骤.正态分布、χ~2分布、t分布和F分布是四个常用统计量的分布,通过归纳分析,揭示了在统计推断中灵活选择运用这些统计量的规律.     

统计量在统计推断中的关键作用分析

常用统计量及其分布,在实现用样本推断总体这个统计推断的主体思想中起着关键的作用,选取合适的统计量,再通过运算或逻辑推理来完成参数估计和假设检验是统计推断的主要步骤.正态分布、χ²分布、t分布和F分布是四个常用统计量的分布,通过归纳分析,揭示了在统计推断中灵活选择运用这些统计量的规律.     

不同损失函数下0-1分布参数的Bayes估计

按照Baves统计学的观点,参数估计问题可视为一特殊的统计决策问题,不同的估计即为不同的决策.在不同的损失函数下,会带来不同的风险,故可在不同的损失函数下,在一定的估计类中寻找风险最小的估计.研究给出了两种损失函数下0-1分布参数的估计,并讨论了其性质.     

《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:     

基于非参数逆向思维的参数推断设计与模拟实验

为了求解参数估计中的统计推断问题,将不含参数的非参数核密度估计和经验分布函数作为"理论分布",含参数的密度函数和分布函数作为"拟合分布",逆向地将实际中的两类分布角色互换,然后构建拟合分布与理论分布偏差的目标函数。再基于优化理论得到使得目标函数达到最小的参数值作为未知参数的估计,由此构建了求解经典的参数推断问题的两种逆向求解法。通过柯西分布参数的随机模拟试验,说明了逆向法的可行性和普适性;再结合Bootstrap方法,对常见分布参数的区间估计和检验p值进行随机模拟。结果表明,逆向方法在上述参数统计推断问题上的可行性;基于分布函数的逆向法优于基于密度函数的逆向法。     

寿命问题的参数估计

寿命问题是统计分布的一个重要问题,本文讨论了指数分布情况下的分布,并用参数估计的方法对它的期望进行了估计.     

关于相关子样的转换

如所知,对于取自正态母体的独立子样,有统计量服从X^2-分布、t-分布、F－分布、从而可对母体参数进行假设检验,本证明当随机变量是取自正态母体的相关子样时,通过转换,统计量服从 X^2-分布、t- 分布、F－分布,从而同样可对母体参数进行假设检验。     

污染数据线性回归模型的贝叶斯估计

本文研究线性回归模型中响应变量受到另一随机变量序列污染时,模型参数和污染系数的估计问题.利用贝叶斯统计原理,给出了污染系数的贝叶斯区间估计及模型参数估计.     

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.     

基于Bootstrap方法的统计分析

Bootstrap方法(也称自助法)是非参数统计中一种非常重要的统计方法.这种方法是将从样本中抽样得到的子样本看作样本,每一次抽出子样本后,计算一次统计量的观测值.通过反复抽样,可得到许多的统计量观测值.进一步可获得统计量的经验分布,然后进行统计推断.并举例说明了在Bootstrap方法下均值与方差的区间估计以及Bootstrap方法的均值的假设检验.     

自由分布下顺序统计量的函数的概率分布

研究了自由分布（连续性）条件下顺序统计量函数的分布问题,首先证明单个顺序统计量函数的分布服从贝塔分布和多个顺序统计量函数的联合分布与U（0,1）上对应顺序统计量的联合分布相同;其次证明两个顺序统计量函数之差也服从贝塔分布及其协方差阵的表达形式;最后给出了顺序统计量函数的条件分布的一些相关结果和推论。     

不同损失函数下0—1分布参数的Bayes估计

按照Bayes统计学的观点,参数估计问题可视为一特殊的统计决策问题,不同的估计即为不同的决策。在不同的损失函数下,会带来不同的风险,故可在不同的损失函数下,在一定的估计类中寻找风险最小的估计。研究给出了两种损失函数下0—1分布参数的估计,并讨论了其性质。     

一种基于贝叶斯的广义Pareto分布变点估计

文章研究广义Pareto分布单变点的估计问题,利用贝叶斯方法对广义Pareto分布变点进行估计,模拟结果表明,贝叶斯方法能获得更好的效果。同时将贝叶斯方法与基于KL散度似然比统计量的极大似然法比较,得出贝叶斯方法效果更好。     

应用Fiducial方法推断Logistic模型下的响应刺激量

基于Logistic响应模型,在二元响应数据下,将待估计的响应刺激量变换为模型的一个参数,应用鞍点逼近方法给出了该响应刺激量估计条件分布的高阶近似公式.在此基础上,引入Fiducial模型,并应用Fiducial模型给出了响应刺激量的区间估计,通过蒙特卡罗数值模拟表明,在样本量较小时,给合Fiducial模型,应用鞍点逼近方法,能够较好地估计响应刺激量.