Cp值的最优无偏估计及最优检验

本文利用统计推断原理,对于正态分布、指数分布及Gamma分布的情形,导出工序能力指致C_(?)值的最优无偏估计及最优检验,还讨论了两个质量指标情形的工序能力指数的估计。     

线性模型下F-检验最优的误差协方差结构

文献中回归参数线性假设的F-检验统计量主要包括基于广义最小二乘估计F- 统计量F(θ),基于最小二乘估计的F-统计量FLSE以及Wu C．F．J．等于1988年提出的调整的F-统计量FA(θ)．其中后两者因形式简单而常常被广泛采用．本文主要研究了FA(θ)和FLSE的最优性,并分别获得了FA(θ)=F(θ)和ELSE=F(θ)的充要条件．最后,我们将所得的结果应用到医药领域的两类重要模型．     

线性混合模型中固定效应和方差分量同时最优估计

对于具有广泛应用的含有两个方差分量的线性混合模型, 找到了一组简单条件. 在这些条件下, 证明了固定效应的最小二乘估计和方差分量的方差分析估计同时是最小方差无偏估计; 获得了固定效应的精确置信区间和随机效应的方差分量的一致最优无偏检验; 得到了随机效应方差的方差分析估计取负值的概率精确表达式.     

指数族下参数双边检验的p-值

在单参数指数族下,对参数的双侧检验问题给出了一致最优检验或一致最优无偏检验的p-值;在多参数指数族下,对单个参数双侧检验问题给出了一致最优无偏检验的p-值.在正态总体下,给出了几个计算上述p-值的例子.     

正态总体方差的最短区间估计与最佳双边检验

用传统方法得到的正态总体的方差的置信区间显然不是最短的 ,因而在这个意义上说也不是最佳的 .对从 3到 45的 n及α=0 .2 5 ,0 .2 0 ,0 .1 5 ,0 .1 0 ,0 .0 5 ,0 .0 1 ,0 .0 0 5 ,我们得到了附表一 ,由此可以查出相应的最短置信区间 .同样 ,在对正态总体的方差进行双边检验时 ,传统的方法给出的临界值也不是最佳的 .对如下的 n和 α我们得到了附表二 ,由此可以查出最佳的临界值 .进行计算所需的程序由我们自己编写     

平衡损失下回归系数的最优线性无偏估计

在平衡损失函数下得到了回归系数的最优线性无偏估计,结果表明平衡损失下的最优线性无偏估计就是线性模型中回归系数的最小二乘估计.     

基于极大似然的异方差多正态总体均值的参数Bootstrap检验

本文考虑了异方差下多正态总体均值的检验问题。传统检验方法多为近似分布检验,且受总体数目及其样本量的影响较为严重,只有在总体数目较少、样本量适中或较大时才能很好的控制第一类错误。较近提出的参数bootstrap检验有效解决了在总体数目较多时检验的任意性,但在总体样本量都较小时,检验控制第一类错误倾向保守,或总体中存在个别样本量较少时犯第一类错误概率上升。本文从极大似然的角度推导出具有修正权重的极大似然检验统计量,并与bootstrap方法有效的结合,得到新的参数bootstrap检验方法。通过Monte Carlo模拟第一类错误和检验的势与Welch检验和广义F检验进行比较,结果表明本文提出的极大似然参数bootstrap检验在总体数目较多和存在小样本量时,均能很好地控制第一类错误,同时且有较好的势,适用范围更加广泛。     

两个正态总体方差检验问题的讨论

两个正态总体方差检验问题的讨论单鉴华（浙江农业大学，杭州３１０Ｄ２９）两个正态总体方差的比较均采用Ｆ检验法。若给不同的统计假设，在相同的显著性水平ａ下，将会得出不同的拒绝域。有的统计教材很清了几种不同的假设检验，从而有时就白错误的判断。、——；设总体...     

不等方差正态母体判别的附加信息检验

该文导出了不等方差正态母体判别模型中附加信息检验的似然比统计量，并给出了其分布和近似分布．     

排序集抽样下指数分布参数的最优线性无偏估计

排序集抽样方法适用于样本测量困难但排序容易的场合,其样本包含了次序信息.指数分布在寿命试验中占有非常重要的地位,为了提高指数分布参数的估计效率,本文提出了排序集抽样下参数的最优线性无偏估计量,计算了新估计量的方差,证明了其具有渐近正态性.相对效率和模拟效率的研究结果表明:新估计量的估计效率不仅高于简单随机抽样下一致最小方差无偏估计量,也高于排序集抽样下样本均值和修正极大似然估计量.最后,将推荐方法应用到转移性肾癌的临床研究中,从而验证该方法的有效性.     

平衡损失下回归系数最优线性无偏估计的相对效率

本文研究了一般Gauss-Markov模型中回归系数的最优线性无偏估计的相对效率问题.利用Lagrange乘数法,获得了回归系数的最优线性无偏估计.并在此基础上定义了最优线性无偏估计的两种相对效率.     

一类非正态总体的抽样检验方案

目前对抽样方案已有较多的研究，且在各个领域有广泛的应用。但是这些研究大多是建立在产品特征服从正态分布的基础上，对其它分布研究较少。本文就产品特征服从韦布分布的情况，建立了一类计量抽样检验方案，并求出其OC函数。本文主要讨论以均值衡量批质量的情形。     

混合样本方差的优良性

常见的教科书中通常采用混合样本方差作为方差相等的两个正态总体方差的估计,而对其优良性却鲜有解释.在本文中,我们证明了混合样本方差是总体方差的UMVUE,即一致最小方差无偏估计.     

方差已知正态总体的渐近最优的截尾序贯选择方法

设 k(≥2)个正态总体 π_1,…,π_k 有相同的方差σ~2和未知均值μ_1,…,μ_k,记μ_[1]≤…≤μ_[k]是{μ_i,1≤i≤k}的排序,我们称具有最大均值μ[k]的总体为最优总体.如何从这 k 个总体中选择出最优总体,就是我们要研究的选择问题.上述选择问题最初由 Bechhofer 提出,他对这个问题提出了正确选择(CorrectSelection)概率要求:     

矩阵Г分布的一致渐近正态性

相对于两个密度函数之间的Kullback-Leibler距离,本文获得了矩阵Γ分布一致渐近正态分布的条件,由于矩阵Γ分布包含了Wishart分布,因此我们也指出了 Wishart分布一致渐近正态分布的条件．     

两个线性模型间最优线性无偏预测的等价性

设M1和M2是两个带有预测量的线性模型,通过使用矩阵秩方法,本文给出了模型M1下预测量的最优线性无偏预测同时也是模型M2下的最优线性无偏预测的充分必要条件.作为这个结果的应用,我们给出了两个线性混合模型间最优线性无偏预测等价性的充分必要条件.     

正态总体中方差的两步置信区间

利用两阶段抽样，我们具体给出了正态总体方差的一个置信区间，它同时满足可靠度与精度。利用数值计算的方法，我们计算出第一阶段的最优抽样量。此外，我们证明了一次抽样时同时满足可靠度与精度的置信区间的不存在性。     

一类线性模型下最优线性无偏估计的存在性

考虑包含如方差分量模型、似乎不相关回归方程模型、增长曲线模型和扩充的增长曲线模型等众多常见模型的一类较广泛的线性模型。对模型中误差向量的分布不作假定时,给出了在二次损失或矩阵损失下存在回归系数的线性可估函数的一致最小风险线性无偏估计的充分必要条件。     

正态总体位置参数移动的似然比检验统计量的分布

原假设（ｙ１，ｙ２．．．，ｙｎ）是正态独立随机量时间序列，其均值和方差分别为μ和σ＾２备选假设为均值μ在某一时刻（未知）发生变化，本文对σ＾２为已知的情况，导出了由Ｈａｗｋｉｎｓ（１９７７）提出的似然经检验统计量Ｕ的简明且便于计算的分布函数表达式，并建立了分布函数的数值表。     

任意秩有限总体中无偏预测和估计的构造关系

研究了有限总体均值向量的无偏估计和线性可预测变量的无偏预测之间的关系,利用分块矩阵广义逆直接对加权风险函数进行分解,提出了一种由均值向量的无偏估计来构造无偏预测的新方法,并找到了它们之间的构造关系.特别地,线性可预测变量的最优线性无偏预测(BLUP)可由均值向量的最佳线性无偏估计(BLUE)惟一地表示(有关惟一性在几乎处处意义下理解).