逐步增加的Ⅱ型截尾下Lomax分布形状参数的估计

文章在逐步增加的Ⅱ型截尾下,给出了Lomax分布形状参数θ的极大似然估计;由“平均剩余寿命”的概念得到了形状参数的逆矩估计,在平方损失函数和对称熵损失函数下,针对不同的先验分布给出了参数θ的Bayes估计;最后通过随机模拟对几个估计进行了比较,说明了在相同的损失函数下,取共轭先验分布较无信息先验分布的精度要高.     

无失效数据情形指数分布可靠性参数的估计

假设产品的寿命服从指数分布,在无失效数据情形,文章给出了当失效率λ的先验分布的核为e-bλ(0<λ<λ0)时,超参数b取2种先验分布时失效率的E-Bayes(Expected-Bayes)估计和多层Bayes估计。最后对实际数据进行了计算,并分析了超参数的先验分布对失效率和可靠度估计的影响及E-Bayes估计和多层Bayes估计之间的关系。     

区间数据下参数估计的条件期望方法

文章面向工程需求讨论了常见寿命分布下区间数据参数估计的条件期望方法.该方法以条件期望替代样本真实故障时间,利用最小二乘估计并以数值迭代的方式求得参数的点估计值,同时给出了参数置信区间.经数值例验证,这种方法可以有效地控制估计误差.     

利用样本分位数求逆威布尔分布参数的渐近估计

文章利用逆威布尔分布的若干个样本分住数,建立线性回归模型,由获得的逆威布尔分布参数的广义最小二乘估计的渐近正态性,得到数据缺失、分组数据、截尾样本场合逆威布尔参数的渐近估计。在样本足够大的情况下,该方法简单有效。     

逐次定数截尾下Pareto分布的可靠性分析

基于逐次定数截尾模型,文章选取未知参数的先验分布为无信息先验分布,分别在平方损失和LINEX损失下,讨论了Pareto分布的形状参数,失效率以及可靠度函数的Bayes估计。最后运用Monte Carlo方法对Bayes估计和极大似然估计的MSE,进行了模拟比较。结果表明在LINEX损失下的Bayes估计更优。     

超越对数生产函数的半参数变系数估计模型

提出超越对数生产函数的半参数变系数模型,利用Profile方法给出产出弹性函数系数的局部加权最小二乘估计,并利用非参数条件自助法对有限样本的近似分布进行模拟,给出相对精确的广义似然比检验。规模报酬约束下中国1953--2008年的实证结果拒绝超越对数生产函数模型假设,产出弹性不可简单线性化而是对数劳均资本的非线性函数,时变资本弹性表现为倒U型变化趋势,时变劳动力弹性表现为U型变化趋势。     

首失效截尾样本下三参数Pareto分布的估计问题

文章在逐步增加首失效截尾样本下,研究三参数Pareto分布族形状参数的一致最小方差无偏估计(UMVUE),在对称平方损失函数下,讨论其Bayes估计和参数型经验Bayes (PEB)估计.按照均方误差(MSE)准则,比较UMVUE与PEB估计的小样本性质,根据形状参数的风险,导出其Bayes估计与PEB估计的大样本性质,并获得它们的收敛速度o(n-1).在相同或相近的可信水平下,分别研究参数在经典统计和Bayes统计中的区间估计,并利用数值模拟说明Bayes区间估计的精度高于经典统计区间估计.     

基于记录值样本的Rayleigh分布模型的参数估计

文章在均方误差损失函数下,基于记录值样本得到了Rayleigh分布参数的最小风险同变估计和Bayes估计,并讨论了一类cX2U(n)+d形式估计的可容许性和不可容许性.     

定时截尾样本下广义逆指数分布参数的Bayes估计

文章在定时截尾样本下,讨论了广义逆指数分布形状参数、可靠度和危险率的极大似然估计。基于指数先验分布,在熵损失、平方损失和Linex损失函数下分别得到形状参数、可靠度和危险率的Bayes估计,并给出了确定超参数的方法。利用数值模拟计算了估计量的各种估计均值和均方误差，研究结果表明,形状参数在熵损失和Linex损失函数下的估计精度较高;可靠度的Bayes估计整体优于极大似然估计;危险率的Bayes估计在Linex损失函数下的效果较好。     

逐次定数截尾下Pareto分布参数的逆矩估计

基于逐次定数截尾样本下,讨论了Pareto分布的参数估计,得到了两参数的逆矩估计,并通过数值模拟与极大似然估计进行比较,结果表明逆矩估计优于极大似然估计.     

半参数模型中两步估计与最小二乘估计的比较

文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。     

定数截尾情形下一类分布族参数的Minimax估计

文章基于定数截尾情形,在加权平方损失函数和MLINEX损失函数下,讨论了一类分布族参数的Bayes估计和Minimax估计。最后给出了数值模拟例子对极大似然估计和Minimax估计进行比较。     

基于熵损失和记录值样本的指数分布模型参数的估计

文章在熵损失函数下,基于记录值样本,得到了指数分布参数的最小风险同变估计、Bayes估计和经验Bayes估计,并给出了数值模拟例子。     

约束线性模型系数的岭型Stein估计及其最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件.然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件.通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE.     

几何分布冷贮备产品的统计分析

文章给出了全样本场合几何分布冷贮备系统产品在开关寿命为几何型且开关失效时产品不立即失效的情形下参数的矩估计和极大似然估计,并通过大量Monte-Carlo模拟考察点估计的精度得到极大似然估计优于矩估计.     

定数截尾情形指数-泊松分布参数的Bayes估计

文章在对称和非对称损失函数下研究指数-泊松分布参数的Baves估计问题;基于广义无信息先验和定数截尾情形,给出了参数λ在三神不同损失函数下Baye5估计的精确表达式;最后运用Monte-Carlo随机模拟方法对估计进行比较.结果表明,加权平方损失下Bayes估计的精确度和稳健性较好,适合用来对参数λ进行统计推断.     

指数分布抽样基本定理及在四参数二元Marshall-Olkin型指数分布参数估计中的应用

本文提出指数分布抽样基本定理,四参数二元Marshall-Olkin型指数分布的参数估计中,从参数的识别性分析着手,获得了一个用可识最小值函数表示的分布函数表达式,进而得到了二元指数分布的一个特征;以二元指数分布随机变量样本与二元可识最小值随机变量样本的等价性,获得了基于二元可识最小值随机变量样本参数的最大似然估计,并应用指数分布抽样基本定理,得到了四参数二元Marshall-Olkin型指数分布参数的一致最小方差无偏估计.     

不同损失下指数-威布尔分布参数的Bayes估计

文章在对称和非对称损失函数下研究了两参数指数一威布尔分布(EWD)形状参数的Baves估计问题.当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下Baves估计表达式及极大似然估计:运用随机模拟方法产生不同容量的样本对三种不同形式的Baves估计及极大似然估计的精确度进行了比较.模拟结果说明,要提高估计的精确度,应根据样本数选取损失函数.     

Lindley分布的统计分析

文章在全样本场合下,比较了两种求参数区间估计的方法,通过Monte-Carlo模拟比较了区间估计的精度.其次在定数截尾样本场合下,给出了参数的极大似然估计与逆矩估计,通过模拟比较认为逆矩估计比较精确,同时还给了求参数区间估计方法,通过模拟发现方法是可行的.     

光滑正交最小一乘估计算法的比较

文章首先对线性EV模型与正交最小一乘估计进行了简要介绍.对正交距离的绝对值作了一个近似处理,使得原先不可导的目标函数为一个光滑可导的函数,从而极大地方便了求解.并且通过与正交最小二乘估计、正交最小-乘估计及其算法比较,分析了这种光滑正交最小-乘的合理性和有用性.