Ⅰ型双删失下逆Rayleigh分布的统计分析

在Ⅰ型双删失样本下,用极大似然法得到了逆Rayleigh分布尺度参数估计的迭代公式.根据遗失信息原则计算出了Fisher信息矩阵,由极大似然估计的渐近正态性得到了参数的置信区间.取共轭先验分布,在平方损失函数下,求得了未知参数、可靠度函数的贝叶斯估计和参数的等尾置信区间.根据后验预测密度函数,得到了预测值的估计.通过Monte Carlo随机模拟,得到了多种估计值,并进行了比较,结果表明在小样本场合贝叶斯估计要优于极大似然估计.     

一类加权可靠指数分布

本文研究了一种含有形状参数和尺度参数的加权可靠性指数分布.利用变量替换以及极大似然法,研究了在特定尺度参数下此分布的构造性表示,并导出了计算该分布两个参数极大似然估计的迭代解,同时还给出了估计参数的渐近分布形式.     

逐步Ⅰ型混合截尾下指数-威布尔分布竞争失效模型的统计分析（英文）

本文基于指数-威布尔分布研究逐步Ⅰ型混合截尾竞争失效模型的统计推断问题.根据模型假设和竞争失效数据,推导出未知参数和产品可靠度的极大似然估计;考虑极大似然估计的渐近正态性质,计算出观测Fisher信息阵,从而获得未知参数和可靠度的渐近置信区间.由于贝叶斯后验密度函数不具有封闭形式,利用MCMC方法给出未知参数和可靠度的近似贝叶斯估计以及最大后验密度可信区间.最后通过模拟研究对估计方法作出解释并给出数值结果.结果表明极大似然方法和贝叶斯方法可以对逐步Ⅰ型混合截尾竞争失效模型进行统计推断.     

基于Weibull寿命模型对工业中可靠度指标进行Bayes估计

主要研究了工业中可靠性指标R=P(Y X)的参数估计问题,其中X和Y是具有相同尺度参数但不同形状参数的Weibull分布的独立随机变量,计算得到了R的极大似然估计和近似的极大似然估计.进一步根据上述结果计算得到了相应的渐近分布,并用它来构造渐近的置信区间.同时考虑了非参数的Bootstrap置信区间.另外,提出了基于不同的Gibbs抽样方法的Bayes估计:Metropolis-Hastings和Adaptive Rejection Metropolis Sampling.最后,通过数值模拟和实际数据的分析来对比不同参数估计方法的性能.     

双边定时截尾样本下广义逆指数分布形状参数的估计

先给出了广义逆指数分布在双边定时截尾样本下形状参数的最大似然估计,并不能得到估计的显式表达式,但证明了参数在(0,+∞)上最大似然估计是唯一存在的.其次提出用EM算法求出形状参数的估计且该估计具有良好的收敛性,还给出了形状参数的EM估计的渐近方差和近似置信区间;最后通过数值模拟,对形状参数的最大似然估计和EM估计的效果进行了比较,说明了用EM算法求形状参数的估计是可行的,并且模拟效果相对比较好.     

缺失数据下含几何分布的对数线性模型的EM算法

本文研究缺失数据下对数线性模型参数的极大似然估计问题.通过Monte-Carlo EM算法去拟合所提出的模型.其中,在期望步中利用Metropolis-Hastings算法产生一个缺失数据的样本,在最大化步中利用Newton-Raphson迭代使似然函数最大化.最后,利用观测数据的Fisher信息得到参数极大似然估计的渐近方差和标准误差.     

伽玛分布的尺度参数及自协方差估计

本文发现伽玛分布的尺度参数等于随机变量及其对数的协方差,并利用这一有趣性质构造伽玛分布参数的自协方差估计。此法计算简便,结果优于矩估计,与极大似然估计十分接近。鉴于极大似然估计的修偏问题未予解决,本文所建议的无偏自协方差估计可以在小样本情形下弥补极大似然估计有偏的不足,自协方差估计的相合性、渐近正态性等大样本性质也得到了讨论。给出的模拟试验结果基本符台论证。     

Cox-Ingersoll-Ross模型的统计推断

本文研究了Cox—Ingersoll—Ross模型的统计推断问题.给出了CIR过程的平稳均值m与平稳方差v的矩估计,并利用m和v给出了CIR过程中尺度参数α与波动率β之间的关系,讨论了参数α的条件矩估计和渐近极大似然估计.并通过数值模拟对条件矩估计,渐近极大似然估计这两种方法作了比较.     

半参数回归模型拟极大似然估计的渐近分布

用拟极大似然估计方法研究了误差为AR(1)时间序列的半参数回归模型,得到了参数及非参数的拟极大似然估计量,并研究了它们的渐近分布.     

指数分布串—并联混合系统产品的统计分析

给出单元寿命服从同一指数分布的串-并联混合系统产品参数的矩估计和极大似然估计,并通过大量Monte-Carlo模拟比较了估计的精度,得到在样本容量小于35时矩估计优于极大似然估计,而样本容量不小于35时极大似然估计优于矩估计.另外,还给出了参数的精确区间估计与近似区间估计,并通过大量Monte-Carlo模拟考察了区间估计的精度.     

大数据下广义线性模型的参数估计算法

在大数据下,全样本量很大,未知参数极大似然估计的计算变得十分困难.文章主要对于广义线性模型参数的极大似然估计研究一种有效的计算方法.首先证明了随机抽样算法下的估计量的渐近正态性,由此提出了入样概率的选取准则及两步随机抽样算法.模拟研究表明,绝大部分情况下,运用文章提出的方法所得到广义线性模型极大似然估计量的均方误差低于与之对比的简单随机抽样.     

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.     

Lomax分布极大似然估计的两点研究

本文研究了Lomax分布参数极大似然估计的存在性和估计量的收敛性问题.利用严格的分析法和中心极限定理,获得了Lomax分布极大似然估计的存在性和估计量的渐近正态分布的结果,进一步推广到了有缺失数据的两个Lomax总体中,参数的极大似然估计有强相合性和渐近正态性.     

部分线性回归模型的加权似然推断

针对不同来源的几组相关数据集,研究了部分线性模型的加权似然推断问题,给出了加权似然估计的相合性和渐近正态性,模拟结果表明在均方误差意义下,加权似然得到的估计优于经典的极大似然估计,并把新的估计方法应用到艾滋病临床试验数据分析中.     

Pareto-Geometric分布

本文提出了一种具有单调失效率的新型寿命分布, 即由Pareto分布和Geometric分布生成的两参数的Pareto-Geometric分布, 研究了该分布的各种性质和参数极大似然估计的存在唯一性, 并应用 EM 算法得到了参数的极大似然估计值和相应的渐近方差、协方差.     

二元极值分布混合模型的矩估计

极值理论在各个领域得到了越来越多的关注和应用, 尤其是多元极值分布. 而矩估计是一种经典的参数估计方法, 计算简单且具有某些优良性, 本文给出边缘为标准指数分布的二元极值混合模型相关参数的矩估计及其渐近方差. 并将其与极大似然估计的渐近方差比较, 结果表明矩估计是一个较好的估计.     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

两参数指数分布产品全样本场合下步进应力加速寿命试验损伤失效率模型下的统计分析

本文给出了两参数指数分布产品全样本场合下步进应力加速寿命试验损伤失效率模型下参数的极大似然估计和拟矩估计,并通过Monte-Carlo模拟说明本文方法的可行性.     

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.     

有限混合Laplace分布回归模型局部估计的EM算法（英文）

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题.利用核回归方法和最大化局部加权似然函数的EM算法,获得了参数函数的局部极大似然估计量,并讨论了它们的渐近偏差,渐近方差和渐近正态性.推广了有限混合回归模型下局部非参数估计的结果.