两个连续分布函数交点的估计

利用两样本的秩统计量和次序统计量 ,对两连续分布交点提出了一种新的点估计量和区间估计量 ,并论证了点估计的强相合性及渐近正态性 ,区间估计具有指定的渐近置信系数 ,还给出了其渐近精度     

自适应逐步II型混合截尾恒加寿命试验下广义指数分布的统计分析

在自适应逐步II型混合截尾恒定应力加速寿命试验下,讨论了两参数广义指数分布的统计分析。利用EM算法和最小二乘法相结合的新方法推导出未知参数与可靠度函数的点估计,通过信息缺失原则得到了观测Fisher信息阵和尺度参数的渐近无偏估计。利用估计的渐近正态性和参数bootstrap方法构造了参数的置信区间。最后运用Monte-Carlo方法分别对得到的点估计和区间估计的精度进行研究,结果表明尺度参数的渐近无偏估计优于相应的两步估计, Boot-p置信区间比相应的渐近置信区间更精确。     

定数截尾试验下两参数Weibull分布尺度参数的最优稳健Bayes估计

以Г-后验期望损失作为标准,研究了定数截尾试验下两参数W e ibu ll分布尺度参数θ的最优稳健Bayes估计问题.假设尺度参数θ的先验分布在分布族Г上变化,形状参数β已知时,在0-1损失下,得到了θ的最优稳健区间估计,在均方损失下得到θ的最优稳健点估计及区间估计;β未知时,得到了θ的最优稳健点估计及区间估计.最后给出了数值例子,说明了方法的有效性.     

Burr Type Ⅻ分布的统计推断

该文讨论了两参数Burr Type Ⅻ分布基于逐次定数截尾样本的参数估计,导出了有关参数的点估计和区间估计.我们利用模拟方法对所给点估计和参数的最大似然估计作了比较,模拟结果显示所给点估计优于常用的最大似然估计.最后,用一个实际例子说明本文所给方法.     

Burr Type XII 分布的统计推断

该文讨论了两参数 Burr Type XII 分布基于逐次定数截尾样本的参数估计, 导出了有关参数的点估计和区间估计. 我们利用模拟方法对所给点估计和参数的最大似然估计作了比较, 模拟结果显示所给点估计优于常用的最大似然估计. 最后, 用一个实际例子说明本文所给方法.     

至多一个分布变点的非参数统计推断

本文研究了连续分布函数变点的非参数统计推断问题.利用秩统计量和次序统计量,获得了变点的一种估计,不仅论证了点估计的强相合性,而且讨论了假设检验和区间估计.     

三参数WEIBULL分布的统计推断

本文给出了三参数Ｗｅｉｂｕｌｌ分布在定数截尾下求参数点估计的一种新方法，模拟结果表明其精度比原有估计更高，同时本文还给出了求位置参数置人下降的一种新方法，且精度比过去的方法更高，包括的信息量也更多。文章还给出了基于位置参数点估计为求形状参数，刻度参数的区间估计以及可靠度的置信下降，失效率的置信上限的方法，通过大量的模拟说明了其方法是可行的。     

Birnbaum—Saunders疲劳寿命分布在截尾试验情形的统计分析

本文讨论了Birnbaum-saunders疲劳寿命分布在定数截尾和定时截尾情形参数的点估计和区间估计,对所给点估计作了模拟研究。     

测量误差模型只有一个变点的检验和估计

本文讨论了测量误差模型中参数只有一个变点的检验和估计问题，首先，给出其似然比检验统计量，然后，基于最小信息准则的原理，利用Schwarz信息准则（SIC），在多余参数已知和未知的情况下，分别给出了检验统计量，讨论了利用SIC方法给出的检验统计量的渐近分布，证明了基于似然比方法和SIC方法给出的变点估计是相同的，并且在一定条件下，给出了变点估计的极限分布，运用Monte-Carlo随机模拟的方法，分别给出了以上检验的临界值。     

不同先验分布下艾拉姆咖分布参数的Bayes估计

首先在定数截尾场合下,分别取共轭先验、Jeffreys先验和无信息先验,给出了艾拉姆咖分布参数的Bayes点估计和区间估计;其次用极大似然法得到超参数的估计值;然后通过随机模拟得到参数估计的均值和均方误差;最后由一个实例给出了不同截尾样本下参数的三种点估计和区间估计,并把它们进行了比较.     

长方体上均匀分布的密度函数

讨论了长方体上均匀分布密度函数问题,得到了长方体体积的估计量、估计量的点估计及估计量的密度函数.     

利用样本分位数的Logistic分布参数的渐近置信估计

基于Logistic分布的若干个样本分位数 ,利用线性回归模型建立Logistic分布位置参数及尺度参数的渐近正态且渐近无偏估计量 ,得到分布参数的渐近置信估计。     

位置参数分布族中Fiducial分布与后验分布的关系

本文考虑本质位置参数分布族中,参数的Fiducial分布与后验分布的等同问题．首先讨论了如何给出Fiducial分布,分析结果表明以分布函数形式给出Fiducial分布要比密度函数形式合理,同时,证明了所给的Fiducial分布具有频率性质．然后,研究在参数受到单侧限制时,Fiducial分布与后验分布等同的问题,给出的充要条件是分布族为指数分布族,此时,先验分布是一个广义先验分布,它不能被Lebesgue测度控制．最后,证明了在参数限制在一个有限区间内时,Fiducial分布与任何先验(包括广义先验分布)下的后验分布不等同．     

The inverted complex Wishart distribution and its application to spectral estimation

The inverted complex Wishart distribution and its use for the construction of spectral estimates are studied. The density, some marginals of the distribution, and the first- and second-order moments are given. For a vector-valued time series, estimation of the spectral density at a collection of frequencies and estimation of the increments of the spectral distribution function in each of a set of frequency bands are considered. A formal procedure applies Bayes theorem, where the complex Wishart is used to represent the distribution of an average of adjacent periodogram values. A conjugate prior distribution for each parameter is an inverted complex Wishart distribution. Use of the procedure for estimation of a 2 × 2 spectral density matrix is discussed.     

Classical and Bayesian inference in two parameter exponential distribution with randomly censored data

This paper deal with the classical and Bayesian estimation for two parameter exponential distribution having scale and location parameters with randomly censored data. The censoring time is also assumed to follow a two parameter exponential distribution with different scale but same location parameter. The main stress is on the location parameter in this paper. This parameter has not yet been studied with random censoring in literature. Fitting and using exponential distribution on the range \((0, \infty )\), specially when the minimum observation in the data set is significantly large, will give estimates far from accurate. First we obtain the maximum likelihood estimates of the unknown parameters with their variances and asymptotic confidence intervals. Some other classical methods of estimation such as method of moment, L-moments and least squares are also employed. Next, we discuss the Bayesian estimation of the unknown parameters using Gibbs sampling procedures under generalized entropy loss function with inverted gamma priors and Highest Posterior Density credible intervals. We also consider some reliability and experimental characteristics and their estimates. A Monte Carlo simulation study is performed to compare the proposed estimates. Two real data examples are given to illustrate the importance of the location parameter.     

斑须蝽种群空间分布格局Weibull分布的拟合

Weibull分布的概率密度函数为f(x) =(c/b) [(x -a) /b]c -1exp [(x a) /b]c ,x≥a。本文首次用于拟合班须蝽三代卵块的空间分布 ,8批抽样数据拟合结果表明班须蝽三代卵块在烟田的空间分布遵循Weibull分布。从而丰富了班须蝽种群空间格局的分布理论。同时 ,利用斑须蝽种群空间格局的资料探讨了Weibull分布的参数b、c与种群密度及种群聚集度之间的关系 ,结果表明 ,尺度参数b与种群密度、种群聚集度间均分别存在极显著的线性相关关系 ,形状参数c与种群密度存在极显著的正幂函数相关关系 ,与种群聚集度之间存在极显著负幂函数关系。     

MLinex损失函数下Gamma分布的尺度参数的Bayes估计

在MLinex损失函数下,利用Bayes估计方法研究了Gamma分布的尺度参数的Bayes估计,并证明了其容许性.结果是:在Mlinex损失函数下得到了Gamma分布尺度参数唯一的Bayes估计的一般表达式及其精确表达式,并证明是可容许的.最后通过数值分析实例,说明了所用的参数估计方法是合理可行的.     

Symbolic computing the exact distributions of L-statistics from a uniform distribution

The exact probability density function of linear combinations of k=k(n) order statistics selected from the whole order statistics (L-statistic) based on a random sample of size n from the uniform distribution on [0, 1] was derived by Matsunawa (1985, Ann. Inst. Statist. Math., 37, 1–16). As the main expression for the density function given by Matsunawa is not complete for the general situation, we first provide the corrections for this formula. Second, we propose a simple scheme involving symbolic computing for evaluating the corrected version of the density function. The cumulative distribution function and the r-th mean of his L-statistic are also derived.     

Г分布密度函数的性质

分析了Г分布密度函数的性质，指出了该密度函数与相应参数之间的关系．主要研究第二个参数对密度的影响，证明了β增大时Г（α，β）分布密度极大值也增大，还指出了β变化时Г（α，β）分布密度与另一特定密度曲线交点的变化规律．     

Consistency of change point estimators for symmetrical stable distribution with parameters shift

Assume that the characteristic indexαof stable distribution satisfies 1<α<2,and that the distribution is symmetrical about its mean.We consider the change point estimators for stable distribution withαor scale parameterβshift.For the one case that mean is a known constant,ifαorβchanges,then density function will change too.To this end,we suppose the kernel estimation for a change point.For the other case that mean is an unknown constant,we suppose to apply empirical characteristic function to estimate the change-point location.In the two cases,we consider the consistency and strong convergence rate of estimators.Furthermore,we consider the mean shift case.If mean changes,then corresponding characteristic function will change too.To this end,we also apply empirical characteristic function to estimate change point.We obtain the similar convergence rate.Finally,we consider its application on the detection of mean shift in financial market.