定时截尾数据缺失场合下指数分布的似然函数的近似

给出了当寿命分布为指数分布时,定时截尾寿命试验数据缺失场合下样本的似然函数的近似,从而可以简化平均寿命的Bayes估计。     

截尾数据半参数回归模型的估计理论

本文研究了截尾情形下半参数回归模型中未知参数及函数的估计问题，得到了它们的大样本性质，这些结果与非截尾情形的结果基本一致。     

定数截尾场合下Weibull分布的形状参数置信上下限

为求得双参数Weibull分布的形状参数的单侧置信上下限,通过构造统计量T1(m)=S1+V/V,推导出其分布与参数m、η无关,且其分位点计算简便。并通过大量的Monte-Carlo数值模拟试验证实了所给方法的可行性。     

指数分布模型下稳态可用度的经验Bayes估计

对于可修单元,当失效时间、维修时间均服从指数分布时,利用非参数多项式密度估计的方法给出了单元的稳态可用度A的经验Bayes估计．并通过模拟试验考察非参数多项式密度估计的自由度与估计的精确度的关系.     

指数分布寿命试验的Bayes可靠性分析

在恒加应力寿命试验中，对指数分布的混合数据给出了可靠性的Ｂａｙｅｓ分析方法，得出在正常应力下的失效率的Ｂａｙｃｓ估计，并对无失效数据以及常应力截尾试验数据进行了讨论。     

指数分布无失效数据的Bayes估计多层Bayes估计

给出了指数分布无失效数据在时刻ｔｉ的失效概率Ｐｉ＝Ｐｒ｛Ｔ＜ｔｉ｝的Ｂａｙｅｓ估计、多层Ｂａｙｅｓ估计，从而得到了时刻ｔｉ的可靠度的估计。     

指数分布中均值参数的齐次线性估计的可容许性

讨论均值参数为θi（i=1,2,…,n）的指数分布中均值参数θ=（θ1,θ2,…,θn）′的齐次线性估计Ax在矩阵损失函数（Ax-θ）（Ar-θ）′下的可容许估计性,利用矩阵理论与方法,讨论了参数估计的几种具体情况,得到了Ax可容许的一些充分性结果。     

截尾情形下的生存函数的估计

本文给出了在左截尾情形下的关于生存函数的product-limit估计的表示式,并给出其余项的阶为。(,一’lnn)a. s.     

指数分布无失效数据的Bayes分析

对指数分布无失效数据，给出了Ｂａｙｅｓ估计，并对一些结果进行了比较。     

熵损失函数下指数分布产品寿命绩效指标的Bayes统计推断

寿命绩效指标为衡量产品质量的一项重要指标,其统计推断研究具有重要的意义。针对产品寿命服从指数分布情形的寿命绩效指标的统计推断问题,在熵损失函数下导出了寿命绩效指标的Bayes估计,并在此基础上提出了一套新的检验程序用于产品质量。最后通过实际应用例子说明了方法的有效性和可行性。 更多还原     

全样本场合下两参数Birnbaum-Saunders疲劳寿命分布的统计分析

通过对数变换给出了求两参数Birnbaum-Saunders(BS)疲劳寿命分布BS(α,β)在全样本场合下参数的对数矩估计,并通过大量Monte-Carlo模拟比较了各种点估计方法的精度.基于对数变换通过一阶泰勒展开,将两参数BS疲劳寿命分布BS(α,β)近似看作两参数对数正态分布,由此得到了2个参数α,β的近似区间估计,通过Monte-Carlo模拟发现,所给出的近似方法比原有方法更精确.最后通过若干实例说明了方法的可行性.     

两参数Lomax分布形状参数的经验Bayes估计问题

依据经验Bayes(EB)估计的思想方法,研究在平方损失函数下两参数Lomax分布形状参数的EB估计问题。在这种损失函数下,获得了形状参数的Bayes估计,利用密度函数的递归核估计方法构造了相应的EB估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度。最后给出一个满足文中主要结果的实例。     

三参数威布尔分布有替换定时截尾试验的极大似然估计

本文讨论了有替换定时截尾试验, 寿命服从三参数威布尔分布的未知参数的极大似然估计.实例表明, 这种估计是十分有效的.     

广义指数分布下循环序加试验的模型与数据分析

在产品寿命服从广义指数分布的场合下,讨论了循环序进应力加速寿命试验的模型,给出了相应参数的统计分析方法:极大似然估计法和极大似然估计与回归相结合的估计方法,并利用数据模拟比较了它们的优劣性.     

一种对称损失下两参数广义Pareto分布形状参数的Bayes分析

在加权对称损失函数下,使用Bayes估计方法,讨论了两参数广义Pareto分布形状参数的Bayes估计及其性质,得到了形状参数的Bayes估计的一般形式与在两种不同先验下的精确形式,并由此得到形状参数的最小最大估计的一种形式,将不同的估计联系在一起。并通过模拟研究了所得估计的精度,结果表明所得估计的精度较高。     

威布尔分布参数的最高后验概率密度区间估计算法

研究了在先验分布为伽玛分布下,威布尔分布未知参数θ的Bayes区间估计方法,并给出参数的最高后验概率密度区间——HPD区间估计的条件极值解法.最后给出例子,说明该方法的优越性.     

随机删失场合半参数回归模型参数估计的重对数律‘

本文探讨了随机删失场合半参数回归模型的参数估计问题.考虑半参数回归模型Y =X}}3 + g(T)十。，其中(X,T)’为取值于Kp X [0,1〕上的随机向量，月为1'维未知参数向量，8为定义于【0.1]上的未知函数，。为随机误差，Ee = 0 . Eez = az }。未知，且(X ,T)与。独立，).被一个与之独立的随机变量V所截.此时仅能观察到:Z=min(Y,V),o=1(Y簇V)，参数I3,az的估计量禽及公 z可综合非参数的权函数估计法与参数的最小二乘估计方法得到.本文对核函数的情形得到了念及ar z的精确收敛速度即重对数律.     

误差为Brown运动情形的半参数回归模型小波估计的强相合性

考虑半参数回归模型yt=xtβ＋g（t）＋εt，其中待估参数β∈R，t∈[0，1]为[0，1]上的未知函数，误差εt为标准Brown运动．先利用差分和最小二乘法得到参数的估计，然后利用小波方法得到非参数的估计，最后研究了参数及非参数估计量的强相合性．     

电场作用下HR神经元的分岔分析及参数辨识

详细分析了电场作用下四维Hindmarsh-Rose（HR）神经元模型的分岔模式及放电行为。通过数值仿真得到该神经元模型的多组双参数分岔图、最大Lyapunov指数图、峰峰间期分岔图等,发现该模型在双参数平面上存在倍周期分岔、加周期分岔等模式及“锯齿状”混沌结构。通过构建合适的目标函数,提出了自适应混合粒子群遗传算法,将神经元模型的参数辨识转化为最优化问题。数值仿真结果表明,算法对神经元模型的参数辨识效果较好,能更准确地辨识未知参数,具有一定优越性。     

空间参数曲线的双目标能量极小化方法及其应用

能量极小化方法已广泛用于平面曲线的构造,而在空间曲线构造方面的应用尚少。首先介绍了空间参数曲线的弯曲能和扭曲能,然后提出了一种以弯曲能和扭曲能同时极小为目标的空间参数曲线构造方法,最后以空间三次Bézier曲线为例,探讨了该方法在曲线的构造、延拓、平滑等问题中的应用。所提出的方法更符合空间参数曲线既需考虑弯曲又需考虑扭曲的特点。