简单均匀分布参数同等最短置信区间的求法

对形如U(0,θ)的均匀分布,文章在给定置信水平1-a下,用计算函数极值的方法得到了参数q的平均长度最短的同等置信区间,然后通过最大密度区间法得到了该参数的相同的最短置信区间,后者的求解过程也充分印证了该方法也是确定参数最短置信区间以及构造等尾置信区间的依据.     

关于参数的最短置信区间的数值计算

文章研究了在总体均值未知时,σ2及σ在置信水平为0.90和0.95下的最短置信区间,并对通常方法和本文所用方法得到的置信区问进行了对比分析.在一定置信水平下,参数最短置信区间的求解归结为一种非线性规划问题,并用运筹学的优化方法证明了这种分布的最短置信区间所应满足的条件.又给出了参数在置信水平为0.90和0.95下的最短置信区间.通过计算比较,得出结论:在小样本的情况下,用文章所求的置信区间作为未知参数的区间估计将会使估计精度得到显著的提高.     

基于梯度统计量的逆抽样下风险差的置信区间构建

通过逆抽样过程获得的分布又称为负二项分布,在流行病学研究和二分类变量分布的研究中应用极为广泛。因此,提出两种基于梯度统计量的逆抽样下风险差的置信区间的构建方法,分别依据风险差的极大似然估计(MLE)和方差最小无偏一致估计量(UMVUE)。与现有的WALD方法和得分方法相比,该方法所构建置信区间的优点在于:置信区间构建方法既不需要计算Fisher信息阵也不需要计算其逆矩阵,可使计算得以大大简化;对所提出的基于梯度统计量的置信区间构建方法进行蒙特卡洛模拟研究,模拟结果表明提出的构建方法可以得到很好的覆盖概率和较短的区间宽度。     

Behrens-Fisher问题的广义置信区间

文章给出了Behrens-Fisher问题的广义置信区间及其计算方法,通过模拟研究验证了方法的可行性,并与Welch&Aspin近似及Bayes精确区间估计方法进行了比较,结果显示广义置信区间方法有更高的精度。     

区间数据参数估计的矩方法

本文讨论区间数据情况下,指数分布参数的矩估计。文中首先通过了矩方法得到了区间截断情况下参数的估计;在此基础上得到了区间截断情况下参数的两个矩估计;并通过这两个矩估计的关系得到了一个更优的估计。本文还利用矩估计的渐进性质,进一步得到了两种区间截断情况在大样本下参数的置信区间。     

概化理论方差分量置信区间估计方法的比较

概化理论又称为方差分量模型,其方差分量估计受限于抽样,不同的抽样样本估计的方差分量可能不一样.为了降低估计的误差,应该重视考察方差分量的变异量(如置信区间).Bootstrap方法是一种有放回的再抽样方法,可用于估计概化理论的方差分量置信区间.文章采用蒙特卡洛模拟技术,比较Bootstrap的PC和BCa方法估计概化理论方差分量置信区间的性能.结果发现:(1)与未校正的方法相比,校正的Bootstrap的PC和BCa方法估计概化理论的方差分量置信区间更为可靠;(2)校正的Bootstrap的BCa方法估计概化理论的方差分量置信区间,要优于校正的Bootstrap的PC方法.     

基于相似度的犹豫模糊语言多属性决策方法

文章针对带置信区间的犹豫模糊语言多属性决策问题,提出了一种基于相似度的决策方法.首先,介绍了语言术语集及相似度向量,提出了带置信区间的犹豫模糊语言集的概念.其次,研究了带置信区间的犹豫模糊语言集的相似度测度,并结合Topsis的思想,给出了决策方法的具体步骤.最后,通过实例验证了该方法的合理性和可行性.     

相关差别指标的区间估计方法比较

在公共疾病控制领域,重大稀有疾病的发病率非常低,符合逆抽样特征,量化分析重大稀有疾病的发病率并对其特点进行分析。为了研究在带有群内相关条件下的整群抽样问题,通过二项分布抽样对比流行病学中相关差别指标的六种渐近置信区间的构造方法研究,综合考虑实际覆盖率与区间长度对各种方法的优劣及适用情况做出对比分析。研究表明,Wald型置信区间与对数变换的置信区间对发病率的估计表现因参数而定,而Bootstrap类方法不稳定。本研究找出了不同区间估计方法的适用场合,应合理看待置信区间这种评估方法在流行病学中的实际应用。     

相关差别指标的区间估计方法比较

在公共疾病控制领域,重大稀有疾病的发病率非常低,符合逆抽样特征,量化分析重大稀有疾病的发病率并对其特点进行分析,为了研究在带有群内相关条件下的整群抽样问题,通过β-二项分布抽样对比流行病学中相关差别指标的六种渐近置信区间的构造方法,综合考虑实际覆盖率与区间长度对各种方法的优劣及适用情况并对比分析。研究表明,Wald型置信区间与对数变换的置信区间对发病率的估计表现因参数而定,而Bootstrap类方法不稳定。本研究找出了不同区间估计方法的适用场合,认为应合理看待置信区间这种评估方法在流行病学中的实际应用。     

二项分布下基于鞍点逼近的总体成数置信区间的构造

面对总体成数置信区间的估计问题,可以采用二项分布下基于鞍点逼近的方法来构造总体成数的置信区间,这种方法为总体成数的区间估计提供了一种新的途径,将其和传统的区间估计方法比较,即正态近似法和枢轴量法进行比较。蒙特卡洛模拟和实例分析的结果为:在几种不同的置信区间构造方法中,小样本情况下,鞍点逼近方法构造的总体成数的置信区间长度相对较短,覆盖率最接近名义水平;大样本下,鞍点逼近方法整体表现最优。因此,可以得到鞍点逼近法对总体成数置信区间的估计较为精确,尤其是小样本情况下更为适用的结论。     

不同总体量和样本量时如何计算比例的置信区间

在总体或者总体子集不大情况下的抽样调查中,往往不易得出合理的关于比例的区间估计。这一类问题在抽样调查实践中已经严重到非说不可的地步。文章讨论了在样本量不大或者(和)在总体不大时估计比例的置信区间时往往忽略的问题,并给出了在不同情况下如何计算置信区间的方法。     

不完全数据场合下双参数指数分布参数的区间估计

文章讨论了双参数指数分布参数基于不完全数据情况下的置信区间的构造问题.针对门限参数和尺度参数,分别给出了用于构造置信区间的枢轴量,讨论了门限参数的枢轴量以及尺度参数的枢轴量的精确分布,得到了相应的置信区间.针对尺度参数置信区间构造的枢轴量可以抵抗样本中异常数据的干扰,具有一定程度的稳健性.     

双参数指数分布平均寿命比率的区间估计

假定产品寿命服从双参数指数分布,在无替换定数截尾寿命试验场合下通过分布的Edgeworth展开和对应分位数的Cornish-Fisher展开方法得到了两独立产品平均寿命比率的渐进分布及置信区间.经过分析,所给出的置信区间不仅适用于大样本的情况,而且在小样本的条件下同样令人满意.     

逆Weibull分布参数的点估计和联合置信域估计

文章基于完全样本,针对两参数逆Weibull分布参数的点估计和置信区间估计问题,利用二分法导出了参数的最大似然估计,但最大似然估计法不能给出参数的精确置信区间估计,通过构造一类枢轴量得到了形状参数的精确置信区间估计,同时给出了形状参数和尺度参数的联合置信域估计。     

指数串联系统环境因子的区间估计

文章利用广义区间估计方法导出了指数串联系统环境因子的广义置信区间,利用模拟方法研究了广义置信区间的覆盖率,模拟结果表明所给广义置信区间的覆盖率与区间的置信系数是很接近的。     

概化理论方差分量置信区间估计Bootstrap方法比较

使用Monte Carlo模拟技术生成多项分布数据,比较四种Bootstrap方法估计概化理论方差分量置信区间的性能,四种Bootstrap方法分别是Bootstrap-PC、Bootstrap-t、Bootstrap-BCa和Bootstrap-ABC方法.结果表明:(1)从整体上看,四种Bootstrap方法估计方差分量置信区间的包含率,校正的Bootstrap方法要优于未校正的Bootstrap方法;(2)校正的Bootstrap-PC和Bootstrap-t方法相当,校正的Bootstrap-BCa与Bootstrap-ABC方法相当,校正的Bootstrap-BCa和Bootstrap-ABC方法要优于校正的Bootstrap-PC和Bootstrap-t方法.     

成对效应对照的Scheffe两步同时置信区间的构造

文章利用两阶段抽样,构造出了成对效应对照的Scheffe两步同时置信区间,满足预先给定的可靠度和精度的要求。同时,利用数值计算的方法给出了最优第一步抽样量。     

负相协样本下总体分位数的经验似然渐近性质的推断

文章在强平稳负相协样本下,利用分组经验似然比方法,克服了传统经验似然方法的缺陷,所得到的渐近分布为标准的卡方分布,便于构造总体分位数的渐近置信区间.     

戎对效应对照的Scheffe两步同时置信区间的构造

文章利用两阶段抽样,构造出了成对效应对照的Scheffe两步同时置信区间,满足预先给定的可靠度和精度的要求。同时,利用数值计算的方法给出了最优第一步抽样量。     

取定统计量下最忧置信区间的估计

参数的区闻估计是一种基本的统计推断形式.它根据枢轴量的分布,在一定可靠度下指出被估计的总体参数所在的可能范围.Neyman的置信区间理论通过给定置信水平以保证一定的可靠度.文章讨论了取定统计量后,置信区间的估计方法以及最优置信区间的确定:并且通过实例与传统方法求得的置信区间进行了比较.结果显示.所求得的最短置信区间有明显的优越性.