威布尔分布参数估计方法的精度比较

§1.引言 本文是讨论二参数威布尔分布参数估计方法的精度.在截尾寿命试验和加速寿命试验的数据处理中,对于二参数威布尔分布参数的估计方法有多种,如最好线性无偏估计,最好线性不变估计和简单线性无偏估计.文献[2]提出了形状参数m的无偏估计问题,     

恒定应力加速寿命试验的简单线性无偏估计

在寿命试验和加速寿命试验的数据分析中,经常遇到对寿命分布参数和可靠性指标的估计,但是,有的估计方法计算量很繁,要用到高速的电子计算机,如极大似然估计法。有的方法虽然简便,但是又受到试验样品数量不能过大的限制,例如最佳线性无偏估计和最佳线性不变估计等。目前有一种简单的线性无偏估计法,这种估计法如果用到恒定应力加速寿命试验的数据的分析,就更加简便,而且有较高的效率。根据初步实践的验证,这种方法使用的效果较好。     

双参数指数分布位置参数的统计推断

通过次序统计量 ,得到了双参数指数分布 E(μ,λ)中位置参数μ的一致最小方差无偏估计为nn-1 T(1) -1n-1 T,推导出了 ( T-μ) / ( T-T(1) )的分布与参数μ,λ无关 ,从而得到了μ的置信区间与检验统计量 .     

一类新的 Kantorovich 型不等式及其在统计中的应用

一、引言我们称x′∧xx′∧~(-1)x≤((λ_1 λ_n)~2)/(4λ_1λ_n) (1)为 Kantorovich 不等式,其中 x 是满足 x′x=1的 n 维向量,∧=ding(λ_1,λ_2,…,λ_n),λ_1≥λ_2≥…≥λ_n>0.不等式(1)当 x′=1/√2(1,0,…,0,1)时等号成立.(1)式有各种各样的推广形式.它们总称为 Kantorovich 型不等式.Kantorovich 型不等式在统计中的应用主要是讨论广义 Gauss-Markoff 模型中归系数向量的最小二乘估计相对于最佳线性无偏估计的效率的界,见文[1]及其参考文献.本文证明了一类新的 Kantorovich 型不等式,以及它在估计一类新的最小二乘估计效率的界中的应用,并且给出了它在估计一类广义相关系数和多元正态线性模型下一类线性假设检验统计量的界中的应用.     

Weibull分布参数的最大似然估计的注记

本在截尾寿命试验，全寿命试验下，求得Weibull分布参数的最大似然方程，其表达式不同于[2]，易于求解，既可机算又可手算，精度可以很高，并通过例子计算，与图估计，简单线性无偏估计及最佳线性无偏估计作对比，发现结果差异很大，因之，敬请生产厂家，可靠性理论工作及质量管理部门应加以注意，应用后三种估计方法是不可靠的，应该采用最大似然估计方法。     

矩阵损失下多维 POISSON 均值的线性估计的可容许性

设 X_1…,X_n 相互独立,X_i 遵从参数为λ_i 的 Poisson 分布.L.D.Brown 和 R.H.Farrell 在[1]中阐述了λ=(λ_1,…,λ_n)′的线性估计的实际意义,并在二次损失函数下给出了λ的线性估计是可容许的充要条件.本文在[2]和[3]等使用的矩阵损失函数(d-λ)(d-λ)′下讨论λ的线性估计,在线性估计类中的可容许性.注意到λ的线性估计的风险函数只涉及 X=(X_1,…,X_n)′     

关于平稳高斯过程的谱函数估计的渐近性质

<正> 设x_n(n=0,±1,±2,…)是实的平稳高斯序列,E_(xn)=0,F(λ)是x_n的谱函数.由于F(-λ)=F(π)-F(λ),λ≥0。因此要估计F(λ)(-π≤λ≤π),只要估计F(λ)=F(λ)-F(0),(λ≥0)就够了.作     

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。     

半参数回归模型的渐近有效L-估计

对半参数回归模型yi=χiTβ+g(χi)+ei,i=1,2,…,n,对非参数函数g(·)采用核估计的方法,构造了参数向量β的L-估计量λn,在一些正则条件下,获得了λn的渐近正态性和非参数函数g(·)的估计量gn(t)的最优收敛速度可达到O(n-(1/3)),并且给出了标准化L估计量λn的渐近分布的Berry-Esseen界.     

非平方损失函数下Gamma部件可靠性的Bayes估计

Lwin和Singh对部件寿命x服从Г(t,λ,k)分布,当形状参数k已知,尺度参数未知时对部件可靠性进行Bayes估计。考虑到实际问题的需要,对损失函数应加上测度不变性的要求,本文取损失函数在参数λ的先验分布分别为指数Beta分布和Gamma分布的情况下,讨论了Gamma部件各项可靠性指标的Bayes估计,且把Lwin和Singh所做的结果看作本文的特例。设部件的寿命x服从其中:t>0,λ>0,k>0为已知的形状参数,尺度参数λ未知。那么部件的可靠度函数与平均寿命分别为:     

矩阵迹意义下的一般增长曲线模型参数的最优估计

本文考虑一般增长曲线模型(协方差2σV,ΣV 0,Σ0),在矩阵迹(trace)意义下,对任一可估函数ρ=K BL,给出它的最优线性无偏估计(BLUE)ρ~,并得到σ2的一致最小方差不变二次无偏估计(UM V IQUE)σ~2.进一步地,讨论了该模型在线性等式的约束下上述参数的最优估计。     

恒应力寿命试验截尾模型参数的最佳估计

对恒定应力加速寿命试验建立了定时截尾与定数截尾参数模型.在诂计模型参数时,考虑定时截尾产品失效数的随机性,引入近似因子、修偏乘子和修偏项,建立起参数估计通用式并逐次进行跟随修偏估计.对定数截尾考虑数据信息随机性短缺,通过变量变换分别建立最优线性无偏估计和简单线性无偏估计在指数分布条件下的式子,并按统计分析考虑随机因数的影响引入综合修偏因子,按抽样数目的多少分别采用修偏后的式子.最后应用实际数据对模型参数逐次修偏估计和不同估计方法对比的最佳估计.     

时间序列线性模型的估计问题

设随机序列X={x(n),n≥1}满足下列线性模型其中a_j,λ_j,1≤j≤p为未知常数,为实平稳序列,本文讨论λ_j,a_j的估计问题并对λ_j引入了δ隔离周期图极大估计λ_(jk)。在一定条件下,证明了当样本容量K趋于无穷时这一估计的下列相合性和渐近正态性其中f(λ)为ξ的谱密度。     

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.     

多参数同时估计的容许性

令 X_1,…,X_n 是一串独立随机变量,且 X_1～P_(θ_i)θ_i∈(?)_i,(i=1,2,…,n),假设估计θ_i 的损失函数为 L(θ_i,d_i),δ_i(X_i)是仅依赖 X_i,θ_i 的一个容许估计(i=1,2,…,n).现在我们要同时估计(θ_1,…,θ_n)′(?)θ,其损失函数取为 sum from i=1 to n L(θ_i,d_i),那么(δ_i(X_1),…,δ_n(X_n))′是θ的容许估计吗?早在50年代,Stein 就证明了,在 n≥3,X_i～N(θ_i,1),L(θ_i,d_i)=(θ_i-d_i)~2条件下,上述结论不成立.近20余年,很多作者也研究了这个问题,指出 Stein 的现象对许多分布,例如 Poisson 分布,Gama 分布,负二项分布及位置参数估计皆存在.但在什么条件下,(δ,(X_1),…,δ_n(X))′是容许的则很少研究,仅仅有少数特殊情况下的结果(见[3]).本文给出了相当一般的充分条件(定理1.1),利用定理1.1,研究了 L(θ_i,d_i)=λ(θ_i)(g(θ_i)-d_i)~2时,结论成立的充分条件(定理2.1).还给出了多个位置参数,Pitman 估计为容许的充分条件.最后一节给出了五个具体例子,它包括在平方损失下,多个正态密度及分布函数的容许估计;参数自然区间 为有限区间之指数族分布,在平方损失下,同时估计多个均值的线性容许估计;若 X_i～Poisson 分布 P_(2_i),i=1,2,…,n(a_1x_1,…,a_nx_n)′在损失函数sum from i=1 to n     

矩阵特征值问题的Bendixson定理的改进

任一n×n矩阵A可分解为A=B C,其中B=1/2(A A~H),C=1/2(A-A~H)。Bendixson定理的主要内容是:λ_j(A)(j=1,2,…,n)落在矩形区域F上,而构成F的四个边的直线分别为x=max(λ_j(B)),x=min(λ_j(B)),y=max(-iλ_j(C)),y=min(-iλ_j(C))。本文给出用B,C的特征值和矩阵A的正规性偏离度对A的特征值的进一步估计。     

误差服从多元t分布的一类线性模型下参数估计的若干注记

研究一类线性模型下参数估计的若干问题．这类模型包含了多个因变量线性模型、增长曲线模型、扩充的增长曲线模型、似乎不相关回归方程组、方差分量模型等常用模型．在这类线性模型下,证明了当误差服从多元t分布时与误差服从多元正态分布时,具有相同的完全统计量和无偏估计,且在后一种情况下的充分统计量必为前一种情况下的充分统计量．对于带有多种协方差结构的前述几种模型,把在误差服从多元正态分布下,相应的协方差阵及有关参数的一致最小风险无偏(UMRU)估计存在性的结论推广到了相应的误差服从多元t分布情形．此外,对于误差服从多元t分布的这类统一的线性模型,给出了回归系数的线性可估函数的无偏估计的协方差阵的C-R下界．     

定时与定数截尾试验参模的建立与参数估计

对寿命试验建立起定时与定数截尾参数模型.考虑定时截尾产品失效数的随机性引入修偏项,应用随机跟随修偏估计方法;对定数截尾考虑数据信息的不完全性,按抽样多少探讨出最佳线性与简单线性无偏估计方法,并给出数据分析结果.     

动态极值排序集抽样设计下Rayleigh分布的参数估计

在统计推断里,参数估计的好坏很大程度上依赖于抽样设计,所以有效的抽样设计将是一项重要的研究课题.本文分别在简单随机抽样(SRS)和动态极值排序集抽样(MERSS)下研究了Rayleigh分布中参数的无偏估计,最优线性无偏估计(BLUE),极大似然估计(MLE)和修正MLE.数值结果显示MERSS估计比SRS估计更有效.     

指数分布族参数的渐近最优与可容许的经验Bayes估计

在平方损失下 ,构造了指数族 { f(x|λ) =λe-λx,λ >0 ,x >0 }的参数λ的渐近最优与可容许的经验Bayes估计 ,即δn=(n +u + 1n1φ(n) + 1) β1+ βX,其中X1,X2 ,…Xn(历史样本 )和X(当前样本 )独立同分布于 f(x) ,Sn= ni=11n(1+ βXi) ,φ(n) =1n(Sn+ 1n(1+ βX) +v- 1) ,u >0 ,v >0 ,β >0 (已知 )为任意的实数 ,并证明了该估计的收敛速度为O(n- 1)。