求参数置信限的一种方法

本文介绍一种找参数精确置信限和置信区间的一般方法,关键想法是在样本空间中定义一个序。本文主要考虑单参数统计模型，对序的优良性（即相应的置信限的优良性）作了讨论，指出应以得分函数的大小为依据在样本空间中定义序。还证明了用最大似然估计定义序得到的置信限是一个单调函数的唯一零点，从而通过解方程算出置信限。     

Buehler置信限的计算

在医学研究和产品研制过程中, 由于试验对象难于找到或者试验费用昂贵常出现小样本情形. 此时, 精确置信推断尤其重要. 只要在样本空间中给出一种序就可以定义模型参数的某个函数的精确置信限. 这样得到的置信限称为Buehler置信限. 虽然它的定义比较容易, 但是当多维参数或者不完全观测数据出现时, 计算有时难于实行. 为了解决这种计算问题, 本文构造出一种基于EM算法的方法. EM算法原本是用于求解极大似然估计的方法, 在这里EM算法首次被用于求解精确置信限. 分析了3种模型和一组实际数据以说明这个方法.     

Г─Г结构串联系统可靠度的Bayes估计

本文把含于结构系统中应力和强度含有的未知参数视为随机变量，利用Ｂａｙｅｓ方法讨论了当应力和强度均服从Г分布时结构串联系统可靠度θ＝Ｐ（Ｘ＞Ｙ）的估计问题，给出了θ的Ｂａｙｅｓ置信限。     

两类逼近精确罚函数法及其数值试验

1 引言 精确罚函数(exact penalty function)的构造主要有两条途径:一是基于Lagrange乘子的乘子罚函数方法,二是直接构造非光滑的精确罚函数。不必进行乘子迭代。本文讨论第三种思路:基于目标函数最优值构造保持光滑性的精确罚函数。某些无参数外点罚函数本应属于此类,但一直仅仅被作为普通外点罚函数的无参数形式。将其与无参 数内点罚函数同等看待,因此基于目标函数最优值构造精确罚函数未得到充分研究。文献[11]给出了初步结果。本文进一步发展了有关理论,导出了两类算法,证明了收敛性,最后给出了数值试验结果。 2 基于目标函数最优值的精确罚函数 考虑如下约束优化问题     

基于离散枢轴量的泊松分布参数的精确最短置信区间

将泊松分布参数的充分统计量的离散型分布函数转化为生存伽马分布函数,以此为枢轴量构造了泊松分布参数的精确置信区间.通过数值模拟,选择合适的置信度组合,得到精确最短置信区间.讨论了大样本下泊松分布参数的近似置信区间的估计精度,验证了精确最短置信区间的计算结果.     

结构Q_kλ上的优序关系

我们构造了结构Ｑｋλ上的优序关系，．证明了：若Ｑκλ有弱划分性质，则（１）对Ｑκλ上的任何优序，ＬＰ都相同；（２）κ是弱紧基数     

混合截尾寿命试验情形下指数分布平均寿命的置信限

本文对混合截尾寿命试验方案下求指数分布平均寿命的置信限的问题给出了一种解决方法,且通过理论分析和模拟计算,说明了新置信限在一定意义下的优良性。     

m（n）相依样本k近邻回归函数估计的一致强相合性

对一大类非参数回归函数，基于m（n）相依样本构造了回归函数的近邻估计并在合适的条件下获得了估计的一致强相合性及收敛速度．     

约束全局最优化的水平值估计算法

本文针对约束全局最优化问题,定义并研究了约束水平集上的方差函数,利用牛顿切线法求解方差方程的最大根构造出一种全局优化的水平值估计算法,并基于数论中一致分布佳点集求数值积分的方法建立了它的实现算法,验证了实现算法满足不精确牛顿算法的收敛性条件,从而证明了实现算法的收敛性.初步的数值实验说明了算法的有效性.     

精确搜索下的非线性共轭梯度法

该文提出一种无约束优化非线性共轭梯度法，证明了精确线性 搜索下的全局收敛性。当目标函数为一致凸函数时，证明了算法具有线性收敛速度。数值实验表明算法对于求解实际问题是有效的。     

A modified power series distribution

Summary A modification of the usual power series distribution is proposed and a statistical treatment of data generated by this probability model is indicated. It is shown that this modified power series distribution belongs to a multiparameter discrete exponential family and standard theory is then applied to obtain complete sufficient statistics of the parameters, sampling distribution of these statistics, maximum likelihood and minimum variance unbiased estimators, uniformly most powerful unbiased tests, uniformly most accurate confidence intervals and expected cover tolerance regions. CSIRO, Division of Mathematical Statistics     

K型区间删失数据下参数的置信限

基于K型区间删失数据,利用样本空间排序法给出参数优良的置信下限和计算置信下限的递推公式.     

样本空间中的序与参数的置信限

此文中我们利用样本空间中的序提出了计算参数信限的一般方法，对于双向删失和更新计数过程的情形，我们分别获得了具体的计算公式，它们在寿命及可靠性研究中有重要的实用价值。     

The computation of Buehler confidence limits

In medicine and industry, small sample size often arises owing to the high test cost. Then exact confidence inference is important. Buehler confidence limit is a kind of exact confidence limit for the function of parameters in a model. It can be always defined if the order in sample space is given. But the computing problem is often difficult, especially for the cases with high dimension parameter or with incomplete data. This paper presents an algorithm to compute the Buehler confidence limits by EM algorithm. This is the first-time usage of EM algorithm on Buehler confidence limits, but the algorithm is often used for maximum likelihood estimate in literatures. Three computation examples are given to illustrate the method.     

性能型产品贮存期评定方法研究

设产品的性能参数服从正态线性模型。当性能参数超过规定上限或下限时产品判为不合格，对给定的可靠度和置信度得到了贮存期的点估计和四种近似置信下限，并比较了它们的覆盖率。     

Comparison of ‘Tail Method’ Exact Confidence Limits for the Difference of Binomial Probabilities

Suppose that Y ₁ and Y ₂ are independent and have Binomial(n ₁,p ₁) and Binomial (n ₂,p ₂) distributions respectively. Also suppose that θ=p ₁−p ₂ is the parameter of interest. We consider the problem of finding an exact confidence limit (either upper or lower) for θ. The solution to this problem is very important for statistical practice in the health and life sciences. The ‘tail method’ provides a solution to this problem. This method finds the exact confidence limit by exact inversion of a hypothesis test based on a specified test statistic. Buehler (J. Am. Stat. Assoc. 52, 482–493, 1957) described, for the first time, a finite-sample optimality property of this confidence limit. Consequently, this confidence limit is sometimes called a Buehler confidence limit. An early tail method confidence limit for θ was described by Santner and Snell (J. Am. Stat. Assoc. 75, 386–394, 1980) who used the maximum likelihood estimator of θ as the test statistic. This confidence limit is known to be very inefficient (see e.g. Cytel Software, StatXact, version 6, vol. 2, 2004). The efficiency of the confidence limit resulting from the tail method depends greatly on the test statistic on which it is based. We use the results of Kabaila (Stat. Probab. Lett. 52, 145–154, 2001) and Kabaila and Lloyd (Aust. New Zealand J. Stat. 46, 463–469, 2004, J. Stat. Plan. Inference 136, 3145–3155, 2006) to provide a detailed explanation for the dependence of this efficiency on the test statistic. We consider test statistics that are estimators, Z-statistics and approximate upper confidence limits. This explanation is used to find the situations in which the tail method exact confidence limits based on test statistics that are estimators or Z-statistics are least efficient.     

可靠度的M-Bayes可信限及其性质

以前作者提出了一种新的参数估计方法-M-Bayes可信限法,并且给出了可靠度的M-Bayes可信下限的估计.给出了另一个可靠度的M-Bayes可信下限的估计,并给出了M-Bayes可信下限的性质一可靠度的两个M-Bayes可信下限与经典置信下限的关系.最后,给出一个例子,从这个例子可以看出本文提出的方法可行且便于应用.     

第二讲:成败型情形和指数分布情形的可靠性评定

对于成败型情形,基于成功次数给出了成功率的优良置信限和置信区间;对于产品寿命服从指数分布的情形,针对不同类型的数据(定数截尾、定时截尾、定总时与定数混合截尾、工型区间删失等)分别给出了可靠性参数(平均无故障时间(MTBF),可靠度,可靠寿命)的点估计和置信限。     

可靠性系列知识讲座 第一讲:可靠性的基本统计知识

介绍了可靠性的基本概念、数据类型、寿命分布、参数估计,特别是用于计算置信限和置信区间的统计量方法和样本空间排序法。     

基于检测数据的指数型元件贮存可靠性的置信限

为了评估元件或产品在贮存期间的可靠性，我们要对元件进行检测．一般地，在ti时刻检测ni个元件，设每次检测的正确率为ri，（ri已知，ri＞1／2）．检测结果成功的元件数为si（i＝1，k）．本文将基于此类数据，给出一种方法，来确定元件的贮存可靠性的置信下限，并给出了数字例．