伽玛分布参数的最短置信区间

Γ(β,θ)分布中未知参数θ的最短置信区间实际上是一个条件极值问题,它能转化成一个方程组可用数值方法迭代求解。在假设参数β=1,置信水平为0.95的条件下,比较了常用置信区间与最短置信区间的长度,结果表明:两者长度的绝对差d(n)和相对差e(n)均随样本容量n的增大而减小,当n≤9时,e(n)≥10%。这说明在小样本下,研究参数的最短置信区间是必要的。     

获得参数最短置信区间长度的条件

寻找统计分布中参数的最短置信区间长度往往不容易,一些文献往往讨论具体分布中参数的最短置信区间长度.本文从常用枢轴变量的形式即参数的线性函数形式和反比例函数形式出发,可以获得得到参数最短置信区间长度的两个条件,并且枢轴变量的密度函数满足一定条件时,最短置信区间长度是存在且唯一的,结论具有一般性.     

均匀分布参数的最短置信区间

将求均匀分布未知参数的最短置信区间转化为条件极值问题,给出了均匀分布参数的最短置信区间,推广了原有的结论.     

基于离散枢轴量的泊松分布参数的精确最短置信区间

将泊松分布参数的充分统计量的离散型分布函数转化为生存伽马分布函数,以此为枢轴量构造了泊松分布参数的精确置信区间.通过数值模拟,选择合适的置信度组合,得到精确最短置信区间.讨论了大样本下泊松分布参数的近似置信区间的估计精度,验证了精确最短置信区间的计算结果.     

平均最短置信区间的几个结论

本文给出了当枢轴量的概率密度函数分别为单峰函数、严格单调递减和严格递增函数时最短置信区间的几个结论的证明,并利用它们得到了几个具体实例中参数的最短置信区间．     

单峰分布枢轴量的等尾与等高置信区间的比较

对枢轴量G的分布具有单峰密度函数的情形,证明了G的最短置信区间是满足置信区间端点密度函数值"等高"条件的置信区间.还对枢轴量分布为正态分布、t分布、卡方分布、F分布、伽玛分布和对数正态分布情形下,在Excel中进行了搜索式数值计算,并列表比较了"等尾"和"等高"情形下置信区间的长度,验证了上述分析结论.另外,还讨论了枢轴量的最短置信区间与枢轴量中所含参数的最短置信区间的关系.     

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。     

一种对称损失函数下刻度参数的最优同变估计

本文研究刻度参数分布族(1/σ)f(x/σ)中刻度参数在损失函数L(σ,δ)=(σ-δ)~2/σδ下的最小风险同变估计及其最小最大性。     

指数分布抽样基本定理及在指数分布参数统计推断中的应用

发现指数分布抽样基本定理,应用到指数分布参数的统计推断中,得到了指数分布参数的一致最小方差无偏估计;并且得到了单总体指数分布参数的置信区间及联合置信区间,以及双总体指数分布参数比值及差的置信区间.     

球内三维均匀分布区域半径的估计

讨论了球内三维均匀分布区域半径的估计,利用次序统计量得到球形区域半径的估计量和置信区间,并证明了所给置信区间为一定条件下的最短置信区间.     

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 .     

误差为鞅差序列的半参数回归模型参数估计的收敛速度

研究误差为鞅差序列的半参数回归模型参数估计的收敛速度.利用非参数分段多项式估计和最小二乘法进行讨论.考虑固定设计下的半参数回归模型:yi=xiβ g(ti) ei,i=1,2,…,n,{ei}是随机误差,且{ei,Fi,i≥1}为平稳遍历的平方可积鞅差序列,Fi,i≥1为单调不减的σ代数流,且Ee21=σ20,E(e2i|Fi)≤1,对利用通常采用的非参数权函数法结合最小二乘法得到的参数β和σ2的估计量βn和σ2n,在适当的条件下得到了βn和σ2n的精确的收敛速度.重对数律.     

帕累托分布抽样基本定理及在帕累托分布参数估计中的应用

本文首先发现帕累托分布抽样基本定理,应用到帕累托分布参数估计中,得到了帕累托分布参数的一致最小方差无偏估计;并且得到了单总体帕累托分布参数的置信区间及联合置信区间,以及双总体帕累托分布参数比值的置信区间.     

统计学入门(Ⅷ)

十五、正态总体方差的区间估计 为构造正态总体方差σ2的置信区间,我们从σ2的点估计即样本方差S2出发,因为我们已知((11—9)式)即 X2服从自由度为n-1的 X2分布.于是对给定的置信度 y =1-a,我们需要确定两个数:x21-a。与x2a/2使则将(15-1)代入上式,经过整理,上式等价于于是σ2的置信度为-α的双侧置信限为: X2称为 X2分布的上侧分位点,对不同的 P值及自由度f,分位点的数值x2(f)可查x2分布表(例如《常用数理统计表》表5). 例15-1设某台装料机包装的重量服从正态分布.随机检查了10包,实际重量的样本标准差为2.5kg,求该装料机所包装的重量的…     

统计学入门(Ⅸ)

十八、对正态总体均值和方差的检验 在这一节中我们将具体列出关于一个正态总体的均值μ或方差σ2的假设检验.根据上节的讨论,这些检验与μ或σ2的置信区间的构造有关.因此我们不准备详细地给出这些检验的推导过程,仅将结果以表格形式列出,并给出若干说明性的例子.18-1关于均值u的假设检验 需要检验的假设H0:μ=μ0(双侧检验);μ≥μ0或μ≤μ0(单侧检验),其中μ0是已知的常数.检验统计量当σ已知时用当σ未知时用 例18-1炼钢厂为测定温铁炉铁水温度,用测温枪(主要装置为一种热电偶)测温6次,记录如下(单位℃): 1318, 1315, 1308, 1316, 131…     

污染数据线性回归模型参数估计的两个问题

研究了简单回归模型中响应变量在某一时刻受到另一随机变量序列污染时,模型参数和污染系数的估计方法及其相合性与渐近正态性,并证明了第Ⅰ类污染数据回归模型在假定22σ=l221σ(其中21σ和22σ未知,l2已知)下,其参数的矩估计不存在.     

连续型多参数指数族参数的渐近最优的经验Bayes估计

§1 引言关于单参数经验 Bayes(EB)估计问题,目前讨论已经比较多了,但多参数的 EB 估计问题讨论的较少.最近陶波在[1]中讨论了正态分布 N(μ,σ~2)之参数θ=(μ,σ~2)的两参数 EB估计的渐近最优(a.o.)性.关于指数族的 a.o.EB 估计问题,陈希孺在[2]中讨论了一维离散型单参数指数族参数的 EB 估计的 a.o.性.本文考虑连续型多参数指数族参数的 EB 估     

半参数回归模型中二阶段估计的渐近性质

给定半参数回归模型Y＝X′β g(T) e,其中β∈R^p是未知参数向量,g(t)是定义在[0,1]上的未知函数,e是随机误差,本文研究了β,,g(t)和σ2的估计量βn,gn(t)和σn^2,在适当的条件下证明了它们的渐近正态性,并给出了gn(t)的最优收敛速度。     

一种对称损失函数下正态总体刻度参数的估计

本文研究正态分布中刻度参数在损失函数L(σ，δ)=[(σ-δ)^2]/σδ下的最小风险同变估计及Bayes估计，并讨论(cT(x) d)^1/2形式估计的可容许性与不可容许性，我们发现在这种损失下σ的极大似然估计是不可容许的．     

n维球内均匀分布的参数估计

研究了n维球内均匀分布的参数的点估计与区间估计,利用次序统计量得到了球半径的最大似然估计,在此基础上构造了球半径的无偏估计,并且证明了该无偏估计的相合性.利用构造枢轴量的方法得到了球半径的最短置信区间.