排序方式: 共有12条查询结果,搜索用时 20 毫秒
1.
本文主要讨论多组样本下GL-统计量的渐近分布,这里我们使用了Gateaut微分逼近方法,在多组i.i.d.样本下,给出了GL-统计量的渐近正态分布的一组条件,从而拓广了i.i.d样本下GL-统计量的渐近正态分布的性质[1]。 相似文献
2.
3.
多组样本下GL-统计量的渐近性质 总被引:1,自引:0,他引:1
本文上要讨论多组样本下GL-统计量的渐近分布。这里我们使用了Gâteaut微分逼近方法,在多组i.i.d.样本下,给出了GL-统计量的渐近正态分布的一组条件,从而拓广了i.i.d.样本下GL-统计量的渐近正态分布的性质[1]. 相似文献
4.
本文引入了Hoem模型中的随机普通保险项。利用计数过程的理论和鞅论,得到了状态准备金的计算公式及其所满足的随机微分方程以及特定环境下的Thiele微分方程,从而计算出个人账户的退休金净赔偿率。 相似文献
5.
6.
在这篇文章中, 我们针对一般冲击模型, 研究Bayes方法处理无失效数据的问题. 所谓一般$\delta$\,-冲击模型是指系统受到强度为$\lambda$的Poisson冲击, 当两个连续冲击之间时间间隔的长度不属于某个固定的区间[$\delta_1,\delta_2$]时, 系统将失效. 我们分别选择均匀分布和Beta分布作为先验分布, 用Bayes方法和多层Bayes方法得到了参数$\delta_1$和$\delta_2$的估计. 相似文献
7.
δ冲击模型中截尾数据的统计推断 总被引:2,自引:0,他引:2
本文研究了δ-冲击模型中参数δ的统计推断问题,该模型具有参数为λ的Poisson冲击,系统在当两个连续的冲击时间间隔小于δ时失效,失效的时间记为T.首先,我们给出了在δ小于平均冲击间隔时间(即1/λ)的情况下,失效时间T的密度函数的性质;然后我们给出了截尾数据的损失信息补偿的方法;借助Class-K方法,给出了δ的无偏、一致估计以和区间估计.最后,由Edgeworth展开和Boostrap方法,我们得到了δ的精确度更高的区间估计. 相似文献
8.
1. IntroductionMaintenance policies are followed to reduce the incidence of system failure or to returna failed system to the operating state. FOr example, if a component fails, one strategy isto replace it. Another strategy is not to wait for it to fail, but to replace it at some earIiertime, which belongs to maintenance poIicies problems. The most usefuI replacemeflt policiesare the age replacemeni policy and the block replacement policy. See [l,2] for a discussionof these policies. Compa… 相似文献
9.
10.