定数截尾指数分布参数的具有一致最小平均长度的区间估计

设随机变量X服从指数分布f(x，θ)，研究并给出了指数分布平均寿命参数和平均失效率参数的具有一致最小平均长度的区间估计，计算方法和数值用表。     

定数截尾指数分布参数的具有一致最小平均长度的区间估计

设随机变量Ｘ服从指数分布ｆ（ｘ，θ）．研究并给出了指数分布平均寿命参数和平均失效率参数的具有一致最小平均长度的区间估计，计算方法和数值用表．     

化解概率论习题难点的若干方法

实例说明，在求解概率论问题时，恰当应用抽签原理、随机变量的再生性、几何分布及指数分布随机变量的无记忆性，可以起到启迪思路、化解难点与简化问题的作用。     

二元Weinman型指数分布随机变量之和、差、积、商及比率的分布

出于水文科学应用的需要,本文导出了二元Weinman型指数分布随机变量之和、差、及比率的精确分布;计算了二元Weinman型指数分布随机变量之积、及商的精确分布,所得结果可应用于水文科学的教学和研究之中.     

i．i．d随机变量随机和的数字特征

讨论了i．i．d的随机变量随机和的数学期望和方差、特征函数以及矩母函数的计算公式。并对求和个数服从几何分布和Possion分布，随机变量服从指数分布时给出了直接结果．     

一类新的二参数二元混合型指数分布的参数估计及相关结构

本文继续文[13]的工作,针对二元Marshall-Olkin型指数分布随机结构模型,取掉一个服从指数分布的随机变量,从而导出一类二参数二元混合型指数分布,并由此研究了它的特征和参数估计及相关结构;通过密度分拆重组技术,本文导出了一类二参数二元混合型指数分布的一个特征,据此,获得了基于总体(X,Y)完全样本的参数的最大似然估计及一致最小方差无偏估计,计算了两个随机变量之间的相关系数,证明了其相关系数的取值落在(0,1)区间内.     

两个广泛相依随机变量在最值运算下的次指数性

本文主要研究一类广泛相依结构下两个次指数随机变量的最小值、最大值关于次指数族的封闭性.证明了在该相依结构下两个次指数随机变量的最小值总是次指数的,给出了该相依结构下两个次指数随机变量的最大值为次指数分布的一个充分必要条件,推广了已有结果,同时表明该相依结构对两个次指数分布在最值运算下的次指数性是不敏感的.     

一类随机变量函数的分布收敛速度

设连续型随机变量１ｎ，…ｒｎ相互独立且分布收敛于１，…，ｙ＝（ｘ１，…，ｘｒ）是Ｒ_ｒ，到Ｒ~１的连续函数，都为连续型随机变量，为相应的分布函数本文讨论并证明了：如果ｓｕｐ，Ｌ为常数．那么在一定条件下；存在常数ｃ使本文１９９８年１月 ２０日收到修改稿．特别地（ｘ１，…，ｘｒ）＝ｘ＋…＋和（ｘ１，…，ｘｒ）＝时，上述结论成立．     

Farlie-Gumbel-Morgenstern联合分布的Max-Sum局部等价式

设n个随机变量服从Farlie-Gumbel-Morgenstern联合分布,本文分别研究它们的和与最大值的局部渐近性.进而,在这些随机变量服从局部次指数分布的条件下,得到Max-Sum局部等价式.该等价式从局部和相依的角度刻画了随机游动的一个大跳原理.     

修理工可多重休假的n部件串联可修系统可靠性分析

本文把修理工多重休假的概念引入ｎ部件串联可修系统。假定休假时间和每个部件的修理时间为一般连续型随机变量，每个部件的失效分布为负指数分布。利用向量Ｍａｒｋｏｖ过程方法，求出了该系统的可靠性指标。     

截尾试验下指数分布的贝叶斯估计

在指数分布场合，定数或定时截尾试验，文［１］给出了参数λ在先验分布为Γ（α，β）分布的假设下的Ｂａｙｅｓ估计．文［３］给出了在平方损失下的Ｂａｙｅｓ估计．本文讨论先验分布为Ｂ（ａ，ｂ）分布时，参数λ的Ｂａｙｅｓ估计．     

贝叶斯方法在可靠性试验中的应用

本文对可靠性试验中成败型试验的二项分布与连续型试验的指数分布分别给出参数的贝叶斯递推估计公式。     

关于指数分布无失效数据的Bayes分析的注记

本文对指数分布无失效数据，在修正似然函数的基础上，给出了Ｂａｙｅｓ分析的方法，并与［１］中结果进行了比较，同时修正了［２］中的错误．     

基于指数回归模型的极值指数估计的门限选择

在本文中,我们基于指数回归模型,在渐近最小均方误差的准则下,给出了矩估计的门限值和样本点分割的选取原理和方法。利用MC方法,对Burr(1,1,1)、Burr(1,0.5,2)、Fréchet(1)、Fréchet(2)、学生-t4、学生-t6等几种常见的极值分布进行模拟,得到了理想的结果。并运用S&P500指数和Danish火灾数据进行了实证分析。     

二元Weinman型指数分布的特征及其应用

导出了Weinman型二元指数分布的一个特征,由此获得了参数θj(j=0,1)的最大似然估计及矩估计,给出了二元Weinman型指数分布的二种模拟,还得到了强度为二元Weinman分布时并联结构系统可靠度的估计.     

二元Block～Basu型指数分布的特征及其应用

导出了二元Block~Basu型指数分布的一个特征,利用该特征,获得了二元Block~Basu型指数分布参数的最大似然估计及矩估计,给出了强度服从二元Block~Basu型分布时并联结构系统可靠度的估计,并给出了二元Block~Basu型指数分布的一个随机模拟.     

Exponentiated generalized linear exponential distribution

A new generalization of the linear exponential distribution is recently proposed by Mahmoud and Alam [1], called as the generalized linear exponential distribution. Another generalization of the linear exponential was introduced by Sarhan and Kundu  and , named as the generalized linear failure rate distribution. This paper proposes a more generalization of the linear exponential distribution which generalizes the two. We refer to this new generalization as the exponentiated generalized linear exponential distribution. The new distribution is important since it contains as special sub-models some widely well known distributions in addition to the above two models, such as the exponentiated Weibull distribution among many others. It also provides more flexibility to analyze complex real data sets. We study some statistical properties for the new distribution. We discuss maximum likelihood estimation of the distribution parameters. Three real data sets are analyzed using the new distribution, which show that the exponentiated generalized linear exponential distribution can be used quite effectively in analyzing real lifetime data.     

A Two-Parameter Distribution Obtained by Compounding the Generalized Exponential and Exponential Distributions

We introduce a new two-parameter lifetime distribution obtained by compounding the generalized exponential and exponential distributions. We assume that the shape parameter of the generalized exponential distribution is a random variable having the exponential distribution. The shapes of the density and hazard rate functions are derived. The model parameters are estimated by maximum likelihood, and an application of the proposed distribution is presented.

     

Bivariate generalized exponential distribution

Recently it has been observed that the generalized exponential distribution can be used quite effectively to analyze lifetime data in one dimension. The main aim of this paper is to define a bivariate generalized exponential distribution so that the marginals have generalized exponential distributions. It is observed that the joint probability density function, the joint cumulative distribution function and the joint survival distribution function can be expressed in compact forms. Several properties of this distribution have been discussed. We suggest to use the EM algorithm to compute the maximum likelihood estimators of the unknown parameters and also obtain the observed and expected Fisher information matrices. One data set has been re-analyzed and it is observed that the bivariate generalized exponential distribution provides a better fit than the bivariate exponential distribution.