排序集抽样下Power-law分布中参数的参数估计

当研究目标的实际测量具有不可修复的破坏性或耗资巨大时,有效的抽样设计将是一项重要的研究课题.在统计推断方面,排序集抽样(RSS)被视为一种比简单随机抽样(SRS)更为有效的收集数据的方式.文章分别在SRS和RSS下研究了Power-law分布中参数的极大似然估计(MLE),修正MLE,修正无偏估计和修正最优线性无偏估计(BLUE).进一步针对该分布,文章找到了基于次序统计量Fisher信息量最大化的RSS,并在这种RSS下研究了上述估计.模拟结果显示RSS下的对应估计一致优于SRS下的对应估计.     

利用样本分位数的Logistic总体分布参数的近似最佳线性无偏估计

Harter H_L.,Balakrishnan N.等先后讨论了Logistic总体分布参数的极大似然估计,近似极大似然估计;其后Ogawa J.,Lloyd E.H.,Kulldorff G.,Gupta S.S,及chan L.K. 等又先后讨论了Logistlic分布参数的最佳线性无偏估计及估计的相对效率等问题.令人遗憾的是:在大样本情形下,上述估计均难以求得.为缓解这一困难,本文讨论利用样本分位数的Logistic总体的近似最佳线性无偏估计,给出估计量的大样本性质,以及样本分位数不超过10情形下,估计量有渐近最大相对估计效率时样本分位数的选取方案等.     

Gamma分布环境因子的统计分析

证明了Gamma分布环境因子的最大似然估计是有偏估计,且其偏差为正,进而导出了Gamma分布环境因子的近似无偏估计.利用Cornish-Fisher展开导出了Gamma分布环境因子的广义置信区间,另外也给了Gamma分布环境因子的Bootstrap-t置信区间.利用模拟方法研究了所给近似无偏估计和区间估计的精度,模拟结果显示所给近似无偏估计和区间估计的精度是相当好的.     

帕累托分布抽样基本定理及在帕累托分布参数估计中的应用

本文首先发现帕累托分布抽样基本定理,应用到帕累托分布参数估计中,得到了帕累托分布参数的一致最小方差无偏估计;并且得到了单总体帕累托分布参数的置信区间及联合置信区间,以及双总体帕累托分布参数比值的置信区间.     

威布尔分布参数估计方法的精度比较

§1.引言 本文是讨论二参数威布尔分布参数估计方法的精度.在截尾寿命试验和加速寿命试验的数据处理中,对于二参数威布尔分布参数的估计方法有多种,如最好线性无偏估计,最好线性不变估计和简单线性无偏估计.文献[2]提出了形状参数m的无偏估计问题,     

任意秩有限总体中无偏预测和估计的构造关系

研究了有限总体均值向量的无偏估计和线性可预测变量的无偏预测之间的关系,利用分块矩阵广义逆直接对加权风险函数进行分解,提出了一种由均值向量的无偏估计来构造无偏预测的新方法,并找到了它们之间的构造关系.特别地,线性可预测变量的最优线性无偏预测(BLUP)可由均值向量的最佳线性无偏估计(BLUE)惟一地表示(有关惟一性在几乎处处意义下理解).     

指数抽样分布定理及三个期望之极小方差无偏估计的有效性比较

在相关文献工作的基础上完善指数抽样分布定理.首先导出指数分布样本最大值与样本最小值之差的分布,并证明了样本最大值与样本最小值之差和样本最小值相互独立;然后导出指数分布样本最大值与样本均值之差的分布,并证明了样本最大值与样本均值之差和样本最小值相互独立.从而构造出三个期望之极小方差无偏估计,基于样本均值与样本最小值之差和样本最小值构造出的期望之极小方差无偏估计,恰好是期望之一致最小方差无偏估计;文末,在小样本情景下,对上述三个期望之极小方差无偏估计作了有效性比较.     

多个子样本下过程能力指数估计量的比较研究

过程能力指数(C_p)估计的关键是对总体标准差的估计。在多个子样本情形下,采用4个无偏估计量■,■_s,■_R,■_p分别估计总体标准差σ,证明了直接以此为基础的过程能力指数的估计量都是有偏的,且都有高估C_p的倾向;之后构造了C_p的4个无偏估计量;探讨了其中3个无偏估计量的估计效率;最后结合案例计算了C_p的不同估计值。     

混合样本方差的优良性

常见的教科书中通常采用混合样本方差作为方差相等的两个正态总体方差的估计,而对其优良性却鲜有解释.在本文中,我们证明了混合样本方差是总体方差的UMVUE,即一致最小方差无偏估计.     

带参数估计的极差控制图设计

现实中,过程参数常常未知,需由第Ⅰ阶段的受控样本数据估计得到.不同的第Ⅰ阶段样本数据集对应着目标参数的不同估计值,进而会导致不同的控制限与不同的控制图表现.对于某位实际工作人员而言,最可能的情况是他手里仅有一组第Ⅰ阶段数据集,因此研究在给定一组第Ⅰ阶段数据集下控制图的表现,即条件表现,更具实际意义.基于Monter Carlo模拟,研究了基于样本平均极差,样本平均标准差和样本合并标准差等3种参数估计形式下常见的等尾极差图和无偏极差图的条件平均链长分布,结果表明参数估计对控制图影响严重.为了弥补第Ⅰ阶段数据量的不足,基于bootstrap方法,提出了修正控制图以获得理想的条件受控表现.比较结果显示,基于样本合并标准差的估计方法更好,修正的无偏极差图表现优于相应的修正等尾极差图.     

均匀分布参数的无偏估计及其分布

讨论了均匀分布未知参数无偏估计量的分布密度,利用无偏估计量构造出一些新的样本函数,并且利用给出的样本函数推导出了未知参数的置信区间.所得到结果改善了现有的估计,易于计算.     

为PPS抽样而进行双重抽样的方法

本文把双重抽样技术用于ＰＰＳ抽样，给出了该方法下总体总值的无偏估计量，估计量的方差及方差的无偏估计公式。     

混合系数线性模型的几乎无偏s-K估计

在连续测量数据情况下,给出了混合系数线性模型的几乎无偏s-K估计,讨论了该估计的相关性质,并在一定条件下证明了几乎无偏s-K估计优于s-K估计以及几乎无偏岭估计.     

平衡损失下回归系数最优线性无偏估计的相对效率

本文研究了一般Gauss-Markov模型中回归系数的最优线性无偏估计的相对效率问题.利用Lagrange乘数法,获得了回归系数的最优线性无偏估计.并在此基础上定义了最优线性无偏估计的两种相对效率.     

截尾试验下基于失效率的Weibull分布的参数估计

设样品的寿命分布为Weibull分布:F(t)=1—e~(-λt~m)。投试n个样品进行定数截尾寿命试验,观测到前k个寿命数据t_1,…,t_k。我们希望作出寿命分布参数λ、m的估计.先是当n≤25而后对n>25人们作出了最佳线性无偏估计BLUE,对一般的n,人们作出了简单线性无偏估计GLUE。本文作者在一般分布、一般截尾数下作出了基于经验分布函数的参数的F估计。现     

二元Cuadra-Auge型帕累托分布参数的一致最小方差无偏估计

讨论了二元Cuadra-Auge型帕累托分布的参数估计;分别给出了参数的矩估计和最大似然估计;导出了二元Cuadra-Auge型帕累托分布的一个特征,并由此得到了参数的一致最小方差无偏估计.     

加权平衡损失函数下回归系数的最佳线性无偏估计

这篇文章我们研究了回归系数的最佳线性无偏估计. 在加权平衡损失函数下, 我们得到了回归系数的最佳线性无偏估计. 同时提出了度量最佳线性无偏估计和最小二乘估计的相对效率. 并且我们给出了它们的上下界.     

集团抽样不等概方法的均值估计及其性质

在集团抽样调查中，［１］和［２］给出了一般抽样方法及均值估计和它性质的论述，但未考虑各集团在总体中的地位对估计结果的影响．本文给出了集团抽样的不等概方法和均值的无偏估计，同时也给出了这种估计的方差及方差的无偏估计．     

关于无偏估计的几个问题

估计量的无偏性概念是频率学派思想的充分体现,它只有在大量重复使用估计量时才有意义.简单性和绝对化地使用无偏性是不合理的.实例显示无偏估计有时并不一定存在,可估参数的无偏估计往往不唯一,无偏估计不一定是好估计.     

半参数回归模型的几乎无偏岭估计

提出了半参数回归模型的几乎无偏岭估计,并与岭估计进行了比较,在均方误差意义下,几乎无偏岭估计优于岭估计. 然后讨论了有偏参数的选取问题. 最后,用模拟算例和实际应用说明了几乎无偏岭估计的有效性和可行性.