type Ⅱ双删失数据场合Burr Ⅻ分布参数贝叶斯估计的近似计算

在type Ⅱ双删失数据场合.讨论了双参数Burr Ⅻ分布参数在各种损失函数下贝叶斯估计的一种近似算法,最后给出数值例子.     

基于截尾数据指数Pareto分布应力-强度模型的可靠性

在Ⅱ型双截尾删失计划下,讨论了当系统被独立的随机施加指数Pareto (EP)压力时的系统可靠性问题.作者给出了系统可靠性参数的不同点估计和区间估计,其中点估计包括一致最小方差无偏估计(UMVUE)和最大似然估计(MLE);区间估计包括精确置信区间,近似置信区间和bootstrap的区间估计.为了评价不同估计方法效果,作者提供数值模拟结果;最后提供了一个真实数据的分析结果来演示本文提出的方法.     

失效率的综合E-Bayes估计

该文提出了可靠性参数的一种新估计方法综合E-Bayes估计法.在无失效数据情形下给出了失效率的E-Bayes估计的定义,并给出了失效率的E-Bayes估计。在引进失效信息后，给出了失效率的E-Bayes估计，并在此基础上给出了失效率和其它参数的综合E-Bayes估计。最后，结合实际问题进行计算，结果表明该文提出的方法可行且便于应用。     

Pareto分布形状参数的E-Bayes估计和多层Bayes估计及其应用

给出了参数的E-Bayes估计的定义,对Pareto分布在尺度参数已知时,在平方损失下给出了形状参数的E-Bayes估计和多层Bayes估计,并且用Monte Carlo方法给出了模拟算例.最后,结合高尔夫球手收入数据的实际问题进行了计算,结果表明本文提出的方法可行且便于应用.     

纵向数据下线性模型的模态回归估计

本文考虑纵向数据下线性回归模型的稳健估计问题.通过结合模态回归(modal regression)方法和二次推断函数(quadratic inference functions)技术,提出了一种基于模态回归的估计过程.证明了回归系数的估计是相合的,并给出了其渐近分布.数据模拟结果表明所提出的估计方法具有较好的稳健性和有效性.     

长度偏差右删失数据剩余寿命的分位数回归

本文研究长度偏差数据下剩余寿命分位数模型的估计方法,充分考虑有偏抽样机制对模型估计的影响.如果忽略这种有偏性会导致估计产生严重偏差甚至错误的结果.本文首先针对长度偏差右删失数据的剩余寿命分位数提出了对数形式的线性回归模型,对删失变量与协变量独立和不独立的两种情况利用估计方程给出了模型参数的估计.其次,通过经验过程和弱收敛理论给出了参数估计的相合性和渐近正态性.最后,本文对提出的估计方法进行了数值模拟并用该方法对奥斯卡奖数据进行分析.     

基于混合Ⅱ型删失数据的Weibull模型精确推断和可接受抽样计划(英文)

本文考虑基于混合Ⅱ型删失数据的Weibull模型精确推断和可接受抽样计划.得到威布尔分布未知参数最大似然估计的精确分布以及基于精确分布的置信区间.由于精确分布函数较为复杂,给出未知参数的另外几种置信区间,基于近似方法的置信区间.为了评价本文的方法,给出一些数值模拟的结果.且讨论了可靠性中的可接受抽样计划问题.利用参数最大似然估计的精确分布,给出一个可接受抽样计划的执行程序和数值模拟结果.     

纵向数据下半参数混合效应模型的估计

考虑纵向数据下一类半参数混合效应模型.应用核权函数法以及矩估计法给出了总体效应和个体效应的估计.在一般的条件下,证明了总体效应估计的渐近正态性,并给出该估计的置信区域.对总体效应和个体效应的估计进行了模拟研究,模拟显示估计效果较好.     

缺失数据下线性EV模型的参数估计

给出EV模型下数据具有随机缺失时,模型参数的一种估计方法,并以一个简单模型为例给出了这种新估计的渐近正态性的具体结果.模拟研究表明,即使在有限样本情形,提出的方法在估计效率上也具有一定优势.     

混合Weibull分布参数估计的ECM算法

混合威布尔分布是寿命数据分析中一个重要的统计模型.但是利用传统的统计方法,如矩估计、极大似然估计等估计模型的参数比较困难.应用ECM算法详细研究了混合威布尔分布在正常工作条件下,完全数据场合、Ⅰ-型截尾和Ⅱ-截尾场合的参数估计问题.数据模拟表明利用ECM算法来估计混合威布尔分布是一种有效的方法.     

基于循序-I型删失数据的Gompertz-sinh分布的统计推断[英文]

本文研究了在循序-I型删失数据情形下Gompertz-sinh分布的统计推断问题.利用处理删失数据的EM算法,我们讨论了Gompertz-sinh分布未知参数的最大似然估计(MLE)问题.为了讨论未知参数的近似置信区间估计,基于遗失信息原则,我们给出了观测Fisher信息矩阵.为了演示本文的方法,我们给出了相关数值模拟结果和一个真实数据实例.     

多元失效时间删失数据边际风险模型加权估计的渐近正态性

对于多元失效时间数据,可以根据工作独立的假定来估计边际风险模型中的未知参数,但工作独立方法通常会失去估计的效率.为了充分利用不同失效类型之间的潜在相关性,提高估计的效率,可以通过加权的方法给出参数的加权部分似然估计.然而由于多元失效数据是高维数的数据,选择最优权是困难的.因此,Fan,Zhou,Cai和Chen曾基于参数估计向量中每个元的方差提出了一些次优加权方法,然后从参数向量所有分量估计的角度出发,构造了未知参数的复合加权部分似然估计,但他们没有给出这些复合加权估计的渐近性质.本文将对复合加权部分似然估计进一步的研究,推导了这个估计的渐近正态性,并给出了该估计的协方差阵以及协方差估计.同时,将该方法应用于艾滋病临床试验的实际数据,给出了有意义的解释和说明.最后进行了相关估计的一些数值模拟计算.     

一类GARCH-M模型的拟极大指数似然估计

由于可以用来刻画金融市场波动与收益之间的关系,GARCH-M模型自提出之后,就受到了广泛的研究.关于GARCH-M模型,传统的估计方法大多是基于拟极大似然估计.然而这类方法通常对矩条件的要求比较高,而实际数据未必能够满足这些条件.因此研究如何在较弱的矩条件下来估计GARCH-M模型就有一定的实际意义.本文研究了一类特殊的GARCHM模型.与传统GARCH-M模型不同的地方在于该类模型的条件方差决定于可观测的序列.通过拟极大指数似然估计的方法给出了模型参数的局部估计.在较弱的矩条件下给出了估计的渐近正态性证明.文章给出的模拟和实证研究表明该估计方法表现很好,有一定的应用价值.     

混合系数线性模型参数的广义Liu估计

本文研究连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类新的有偏估计-广义Liu估计,并在均方误差意义下,证明此类估计分别优于最小二乘估计、Liu估计.最后讨论参数的选取问题.     

失效概率的E-Bayes估计及其性质

该文提出了参数的一种新估计方法----- E-Bayes估计法. 在无失效数据情形, 给出了失效概率的E-Bayes估计的定义,在此基础上给出了失效概率的E-Bayes估计, 并给出了失效概率的E-Bayes估计的性质----- E-Bayes估计和多层Bayes估计的关系.最后, 给出了模拟算例, 结果表明该文提出的E-Bayes估计法可行且便于应用.     

逐步增加Ⅱ型截尾下比例危险率模型的可靠性分析

基于逐步增加Ⅱ型截尾样本,分别在均方损失和Linex损失下,利用ML-Ⅱ方法研究了比例危险率模型的参数和可靠性指标的经验Bayes估计问题。为了研究估计结果的精确性,分析了一个实际应用例子,并利用Monte-Carlo方法给出一个数值模拟例子,结果表明在非对称Linex损失下,经验Bayes估计更具灵活性,且结果更加有效。     

无失效数据情形可靠性参数的估计和调整

本文在无失效取样情形下,提出了产品可靠性参数的一种估计和调整的方法———加权多层Bayes估计法.在无失效数据情形下失效率的多层Bayes估计和引进失效信息后失效率的多层Bayes估计的基础上,对可靠性参数进行了估计和调整———给出了失效率和可靠度的加权多层Bayes估计.最后,结合发动机的实际问题进行了计算,结果表明本文提出的方法可行且便于应用.     

纵向数据下部分线性EV模型的渐近性质

研究了纵向数据下部分线性EV函数关系模型.应用一般非参数权函数法和广义最小二乘法给出了未知参数β,误差方差σ2以及未知函数g(·)的估计.在一般的条件下,证明了β,σ2估计的渐近正态性,同时也给出了未知函数g(·)估计的收敛速度,其结果是独立数据情形下相应结果的推广.     

Pareto分布在逐步Ⅱ型区间删失下的参数估计

本文研究Pareto分布在逐步Ⅱ型区间删失的情形下参数的估计和性质,给出了参数的极大似然估计及其Newton-Raphson求解算法,并证明了在一定条件下极大似然估计的相合性及渐近正态性.     

关于并行迭代区域分解算法收敛性的注记

本文给出在范数Ⅱ·Ⅱ下的收敛估计,以及相应的最优松驰因子,还讨论了这两种收敛性之间的关系.