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.     

在定数截尾样本下三参数威布尔分布的矩估计

本文讨论了在定数截尾样本下三参数威布尔分布的矩估计问题．在定数截尾情形下，将威布尔分布数据转化为均匀分布数据，利用平均剩余寿命构造样本矩，同时，第三阶矩方程用样本的第一个次序统计量来代替，得到了在定数截尾样本下三参数威布尔分布的矩估计方程，用随机模拟方法得出了矩估计的偏性和均方误差．并与近似MLE进行了比较，表明此矩估计方法有较好的性质．     

在定数截尾样本下三参数威布尔分布的矩估计方程

将威布尔分布数据转化为均匀分布数据,利用平均剩余寿命构造样本矩,得到了在定数截尾样本下三参数威布尔分布的矩估计方程.     

威布尔分布场合下步进应力加速寿命试验的统计分析

本文对寿命分布为两参数威布尔分布,加速模型为逆幂律的情况,由定数截尾步进应力加速寿命试验数据获得加速模型中未知参数的点估计和区间估计,进而给出了加速系数的区间估计,并用一个模拟例子说明方法的应用．     

定数截尾两参数指数——威布尔分布形状参数的Bayes估计

在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,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的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高.     

基于删失数据的指数威布尔分布最大似然估计的新算法

本文讨论了指数威布尔分布当观测数据是删失数据情形时参数的最大似然估计问题.因为删失数据是一种不完全数据,我们利用EM算法来计算参数的近似最大似然估计.由于EM算法计算的复杂性,计算效率也不理想.为了克服牛顿-拉普森算法和EM算法的局限性,我们提出了一种新的方法.这种方法联合了指数威布尔分布到指数分布的变换和等效寿命数据的技巧,比牛顿-拉普森算法和EM算法更具有操作性.数据模拟讨论了这一方法的可行性.为了演示本文的方法,我们还提供了一个真实寿命数据分析的例子.     

复合Mlinex损失函数下指数威布尔分布参数的Bayes估计

基于复合Mlinex损失函数,研究了指数威布尔分布的参数在先验分布为伽玛分布的B ayes估计,E-B ayes估计和多层Bayes估计.并用数值模拟的方法进行验证,结果表明三种估计方法的稳健性好,精确度较高.     

基于混合Ⅰ型删失数据的威布尔模型精确推断（英文）

威布尔分布是可靠性和寿命测试试验中常用的模型.本文中,我们考虑了基于混合Ⅰ型删失数据的威布尔模型精确推断.我们得到了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,我们也给出了未知参数的另外几种置信区间,比如,基于近似方法的置信区间,Bootstrap置信区间.为了评价本文的方法,我们给出了一些数值模拟的结果.     

威布尔分布或极值分布可靠度置信下限的回归表示

对于定数截尾样本，给出了基于极值分布的位置和尺度参数的最好线性无偏估计（BLUE），获得了威布尔分布的可靠度的点估计和置信限之间的回归模型，从而可由威布 尔可靠度的点估计根据回归方程得到可靠度的置信下限，省去了大量的用表，为实际工作者带来了极大的方便，计算结果表明，回归方程有很高的精度。     

熵损失函数下两参数指数威布尔分布尺度参数的Bayes估计

本文给定一截尾样本，在熵损失函数下，研究了两参数指数威布尔分布尺度参数在先验伽玛分布下的Bayes估计，并给出了该参数的Bayes区间估计。