排序方式: 共有45条查询结果,搜索用时 15 毫秒
1.
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。 相似文献
2.
本文研究基尼系数的估计问题.国家统计局每年发布的统计年鉴包含城镇和农村个人收入的分组数据,但分点不相同并且未公布.这些情况对于估计整个社会的基尼系数带来挑战.本文对于两个总体按照一定比例混合后的新总体,针对来自原来两个总体的分组数据,给出了新总体的基尼系数的下限.并将所得的结果用于计算我国城乡合在一起时基尼系数的下限值.这些结果容易推广到更多总体混合情形,也可以应用到其它实际情况的基尼系数的估计,比如国家或地区的联合体. 相似文献
3.
对于产品寿命服从Weibull分布或对数正态分布的情形,针对几种不同类型的数据(例如随机截尾,定数截尾情形出现的数据),分别给出了可靠性参数(可靠度、可靠寿命)的点估计或置信下限。特别是在定时截尾出现零失效情形,给出了可靠性参数的置信下限的计算公式。 相似文献
4.
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。 相似文献
5.
设(x1,t≥0)是概率空间(Ω,(?),Pθ)上的指数型随机过程,这里θ∈(-∞,∞),νt是测度.为了检验假设θ≤θ0(对立假设是θ>θ0),我们找出了一类截尾的序贯检验法,其第一类错误概率不超过给定的α且平均观测时间在α→0时是渐近最短的. 相似文献
6.
7.
8.
设X服从正态分布,均值θ和方差σ2都未知,给定实数θ0及α∈(0,1)。对于检验问题“零假设是θ≤θ0,对立假设是θ>θ0”,我们找出了一类功效是一的检验法,其第一类错误的概率不超过α,而平均样本量分别在θ↓θ0和α↓0时是渐近意义下最小的。 相似文献
9.
成功率的序贯检验与检验后成功率的置信限 总被引:2,自引:0,他引:2
设{Xi,i1}是一独立同分布随机变量列,q=p(Xi=0)=1-P(Xi=1);其中q未知.设{An:1nn0}和{Rn:1nn0}是任二个数集,它们满足A1A2…An0,0<R1R2…Rno。,Ai<Ri(i=1,…,no-1)和Ano=Rno。对于假设HO:qq0(0<q0<1)我们考虑序贯检验△=(r,d),其中r=min{n:n1,DnAn或DnRn}:d=I(Dr≥Rr),这里Dn=.IA是集A的示性函数,“d=1”意味着拒绝H0,“d=0”意味着接受H0,在本文中基于数据(τ,Dr)我们找到了q的某种意义下的最优置性下(上)限. 相似文献
10.
在线性回归模型建模中, 回归自变量选择是一个受到广泛关注、文献众多,
具有很强的理论和实际意义的问题. 回归自变量选择子集的相合性是其中一个重要问题,
如果某种自变量选择方法选择的子集在样本量趋于无穷时是相合的, 而且预测均方误差较小,
则这种方法是可取的. 利用BIC准则可以挑选相合的自变量子集, 但是在自变量个数很多时计算量过大;
适应lasso方法具有较高计算效率, 也能找到相合的自变量子集; 本文提出一种更简单的自变量选择方法,
只需要计算两次普通线性回归: 第一次进行全集回归, 得到全集的回归系数估计,
然后利用这些回归系数估计挑选子集,
然后只要在挑选的自变量子集上再进行一次普通线性回归就得到了回归结果.
考虑如下的回归模型:
其中回归系数中非零分量下标的集合为,
设是本文方法选择的自变量子集下标集合,
是本文方法估计的回归系数(未选中的自变量对应的系数为零),
本文证明了, 在适当条件下,
其中表示的
分量下标在中的元素的组成的向量, 是误差方差, 是与
矩阵极限有关的矩阵和常数.
数值模拟结果表明本文方法具有很好的中小样本性质. 相似文献