串联系统可靠性虚拟系统法置信下限的小样本性质

本文讨论了具有r个成败型元件串联系统可靠性的置信下限问题。研究了虚拟系统法置信下限的小样本性质,证明了,在通常情况下虚拟系统法置信下限要大于常见的L-M法置信下限.更一般地,本文证明了在成败型试验中,当成功数与试验数之比保持不变时,试验次数的增加将直接缩小成功率置信区间的长度。     

对IECTC—56（C.O）162的改进

IEC TC-56(C.O)162号文件的依据是Bain＆Engelhardt(1986)的文章.本文首先对[1、2]给出的Weibull分布可靠性下限、可靠寿命下限、特征寿命的置信区间的近似方法进行了改进,其次以Lawless条件方法为依据,对这些方法用广泛范围的数值进行比较,其结果表明:本文提出的方法,一般地(特别是在工程常用范围内)优于[1]的方法,故建议IEC TC-56(C.O)162号文件采纳本文的方法进行修改;而[1]推荐的形状参数近似限、全样本下特征寿命近似限都有很高的精度,可供应用.     

置信区间与可信区间问题研究

本文旨在指出理解有本质区别的置信区间和可信区间的关键点，并在常见的正态分布模型中加以模拟应用.     

巴斯卡分布参数p的置信区间

讨论了巴斯卡分布与Beta分布的联系,并通过F分布的分位点给出了参数p的置信水平为1-α的置信区间.     

Panel模型中的精确检验和置信区间

利用广义p-值和广义置信区间的概念,研究了Panel模型中未知参数的检验和置信区间问题.对于回归系数,分别考虑了单个情形和多个线性无关情形下的检验和置信区间问题,得到了精确检验和置信区间.对于方差分量,研究了其任意线性组合的检验和置信区间问题,建立了精确检验和置信区间.基于广义p-值和广义置信区间,获取精确检验和置信区间的方法具有计算方便、易应用于小样本问题的特点.最后,分别从理论和数值上研究了这些精确检验和置信区间的统计性质.     

基于均值置信区间带的高光谱特征波段选择与树种识别

以柏木、雷竹和无患子野外高光谱数据为基础,在统计学理论和实践分析的基础上,提出了利用均值置信区间带筛选树种间最佳特征区分波段及利用Manhattan距离和Min-Max区间相似度识别树种的问题。研究结果表明:(1)柏木与雷竹之间的最佳区分波段为358～386,452～1 145和1 314～2 500 nm,柏木与无患子之间的最佳区分波段为350～446,497～527,553～1 330,1 355～2 400和2 436～2 500 nm,雷竹与无患子之间的最佳区分波段为434～555,580～1 903,1 914～2 089,2 172～2 457和2 475～2 500 nm;(2)在最佳区分波段内,同种树种间的Manhattan距离远小于异种树种间的Manhattan距离,同种树种间的Min～Max区间相似度远大于异种树种间的Min～Max区间相似度,Manhattan距离和Min～Max区间相似度可以有效区分和识别不同类型的树种。     

基于Bootstrap-DEA的工业能源效率分析

传统DEA方法存在小样本估计有偏、无法进行统计检验等缺点.而Bootstrap-DEA方法能够通过数值模拟技术产生大量的模拟样本,通过对新生成的样本进行估计来修正DEA效率估计偏差,进而计算出效率值的置信区间.作者利用Bootstrap-DEA方法首次对我国36个工业行业1995-2008年的能源利用效率进行分析.研究结果表明,我国工业行业的能源效率呈现出U字型变动趋势,行业间的能源效率差异不断减小.     

三参数Weibull分布定数截尾下形状参数的区间估计

本给出了在定数截尾场合下利用三个次序统计量来构造三参数Weibull分布形状参数精确置信区间的方法，另外本还给出了三参数Weibull分布三个参数的联合置信域。章的最后，给出了Monte-Carlo模拟例子并运用本的方法求解了两个实例。     

从一个实际问题谈概率统计教学

1　实际问题现实生活中各种比赛层出不穷 ,我们不但要给参赛选手的表现作定性评价 ,有时还必须用分数给予量化 ,以便甄别和选拔 .大凡能够用仪器客观测量的物理量都用仪器来测量 ,如时间、距离、重量等 .然而 ,更多的是不能简单地用仪器测量的主观变量 ,如歌手的演唱艺术效果、某人的形象等 .这时 ,做出科学的评价就是十分棘手的问题 .如果每一位观众都对选手打分 ,把每一位观众的评分都搜集起来 ,求其均值 ,以此代表选手的成绩 .但这在实际操作中耗费大量人力、物力 ,都几乎是无法实现的 .通常是组织评委若干人 ,每位评委打分后 ,“去掉一…     

Empilrical likelihood for non-parametric regression models with missing responses: Multiple design case

Empirical likelihood(EL) ratio statistic on θ = g(x) is constructed based on the inverse probability weighted imputation approach in a nonparametric regression model Y = g(x) + ε(x ∈ [0,1]p) with fixed designs and missing responses,which asymptotically has χ12 distribution.This result is used to obtain a EL based confidence interval on θ.