带有不完全信息随机截尾试验下Weibull分布参数的MLE

本文在文献（１）￣（３）的基础上坦步研究了带有不完全信息的随机截尾试验模型。讨论了Ｗｅｉｂｕｌｌ寿命分布参数的统计分析，给出了似然方程组即参数的极大似然估计的存在唯一性定理。文末给出了随机模拟数值解，结果表明，参数的ＭＬＥ与其真值很接近。     

多人有误检查的参数估计

文献[ 2 ] 在理论上不必要地复杂化了, 由此导出的算法也相当繁琐. 本文在独立性假设下, 推导了一 种估计参数的有效方法,能大大减少计算工作量. 实例还表明, 用新法估计的参数更接近于实际情况     

迭代反褶积算法

本文利用条件期望的性质，导出了迭代反褶积算法模型，并给出参数λ的极大似然估计，算例表明该算法是有效的。     

τ质量测量方案的Monte Carlo研究

在τ质量实验测量之前对多种测量方案进行了细致的Monte Carlo研究,并进行了比较.确定τ质量测量实验采用最大似然法,并给出可能的测量精度.研究了包括探测效率、束流能散等诸多因素对实验的影响,同时对实验的实现提出要求.     

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.     

混合von Mises 模型的参数估计

有限混合von Mises模型在天文学、生物学、地理和医药等许多领域都有重要的应用．可是,不论样本量有多大,此模型的似然函数都是无界的．因此,参数的最大似然估计(MLE)是不相合的．我们发现,与混合正态模型一样,上述困难可以通过引入关于分布浓度参数的一个惩罚函数或对参数空间添加适当的约束来克服．在此文中,我们从理论上证明了这两种方法是可行的,相应的参数估计是强相合的,且是渐近有效的．我们还通过计算机模拟来探讨这些新方法在有限样本情况下的统计性质,并与现有的矩估计作了比较．结果发现,惩罚极大似然估计在均方误差方面表现最佳．最后我们还分析了一组实际数据,以进一步介绍新的估计方法．     

核实数据下删失线性EV模型的经验似然推断

本文考虑协变量带有误差的删失线性回归模型,借助于核实数据,对回归系数构造了两种经验对数似然比统计量,证明了所提出的估计的经验对数似然比统计量渐近收敛到一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整的经验对数似然比统计量具有渐近标准χ2p分布,所得结果可以用来构造未知参数的置信域,通过模拟研究在置信域的精度及其平均区间长度大小方面进行了比较。     

关于截断中值回归模型的经验似然推断

本文采用了Gengsheng和Min(2003)提出的经验似然方法,基于一个新的方程对中值回归模型的参数进行统计推断,数值模拟的结果表明,本文所得到的参数估计结果比Gengsheng和Min(2003)的模拟结果更精确.     

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.     

广义线性回归极大似然估计的强相合性

设有该文第1节所描述的广义线性回归模型,以$\underline{\lambda}_n$和$\overline{\lambda}_n$分别记$\sum\limits_{i=1}^{n}Z_iZ_i^{\prime}$的最小和最大特征根,$\hat{\beta}_n$记$\beta_0$的极大似然估计.在文献[1]中,当\{$Z_i,i\ge1$\}有界时得到$\hat{\beta}_n$强相合的充分条件,在自然联系和非自然联系下分别为$\underline{\lambda}_n\rightarrow\infty$, $(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$（对某$\delta>0$)以及$\underline{\lambda}_n\rightarrow\infty$, $\overline{\lambda}_n=O(\underline{\lambda}_n)$.作者将后一结果改进为只要求$(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$,从而与自然联系情况下的条件达到一致.