心理状态数的估计方法在选拔选手中的应用

本文通过使用心理状态数的极大似然估计方法，对参赛学生进行选拔，保证有真正实力的选手入选，充分体现公正性原则．     

心理状态数的Bayes估计

设误差 X在心理状态数的作用下的分布为偏正态分布 ,即 X有密度f ( x;σ2 ,C) =C2πσe-x22σ2 　 x 02 - C2πσe-x22σ2 　 x >0其中 0 C 2为心理状态数 ,σ>0为未知参数 ,本文分别在 C服从 [C1,C2 ]上的均匀分布 ,Jeffreys无信息先验分布和共轭先验分布的假设下 ,得到了心理状态数 C的 Bayes估计。     

心理状态数矩法估计

本文根据实际管理工作者的要求，讨论了爱心理状态影响的偏差分布，定义了心理状态数和心理状态数的估计方法，以及如何用心理状态数去评价操作者技术水平。     

系统平均寿命的BCa区间估计

本文根据部件在（ｎ，ｒ）方案下的试验数据，用统计自助法对串联和并联系统的平均寿命作ＢＣａ区间估计，并进行模拟计算，说明这种方法的可行性，最后还编写了有关的计算机程序。     

长记忆ARFIMA-GARCH模型的状态空间模型估计

本文考虑了ARFIMA-GARCH类模型的状态空间表示.ARFIMA-GARCH这类模型结合了长记忆时间序列和条件异方差过程.虽然ARFIMA-GARCH模型的状态空间表示是无穷维的,但是基于这种表示法的精确极大似然估计可以在样本长度的迭代计算中得到.本文提出了基于模型的截断的自回归展开式的似然函数近似估计,进而得到了...     

认购评发行总数的估计

利用发行的认购证有编号１，２，……，Ｎ，，本文通过随机抽取的几个认购证号码，给出了认购证发行总数的最大似然估计，一致最小方差偏估计和Ｂａｙｅｓ估计。     

保序回归与最大似然估计

约束条件下的统计推断巳成为统计分析中一个重要的研究领域,而保序回归的研究又是其中之关键。本文通过一个实例引导出统计模型,比较系统地总结了保序回归的性质、求解方法,以及与最大似然估计之间的关系。本文还把问题扩展到多维保序回归和广义保序回归。     

Pareto分布环境因子的估计及其应用

给出了Pareto分布环境因子的定义,讨论了在定数截尾样本下Pareto分布环境因子的极大似然估计和修正极大似然估计,并尝试把环境因子用于可靠性评估中.最后运用Monte Carlo方法对极大似然估计,修正极大似然估计和可靠性指标的均方误差(MSE),进行了模拟比较,结果表明修正极大似然估计优于极大似然估计且考虑环境因子的可靠性评估结果较好.     

经2状态马氏修正的Poisson过程的极大似然估计

近年来。隐马氏模型成为研究相依随机变量的一个十分有用的工具。应用过程中的一个很重要的问题是如何对隐马氏模型的参数进行估计。一般使用的方法是将连续时间隐马氏模型的问题转化为离散时间隐马氏模型的问题来讨论。本文用此方法讨论一类连续时间隐马氏模型——状态个数为2的经马氏链修正的Poisson过程的极大似然估计及其算法。此类模型被广泛用来对复杂通信网络的通信流进行建模。     

线性混合模型中方差分量的估计与QR分解

在线性混合模型中, 极大似然估计是一种很重要的估计方法, 但是它常常需要通过迭代求解. 应用设计阵的QR分解, 可以把设计阵变换成上三角矩阵. 这样可以降低参与迭代运算的矩阵的阶数, 还可以减少参与运算的数据量, 从而提高运算的速度. 本文讨论了QR分解在EM算法中的应用, 并用模拟的方法验证了QR分解可以极大的提高运算的速度. 本文同时讨论了QR分解在另外一种估计方法, 即ANOVA估计中的应用.     

二参数指数分布有替换寿命试验极大似然估计

本文首先指出了在寿命试验中一个非常重要而又容易忽视的事实,也即初试产品和替换产品的寿命同为二参数指数分布的有替换寿命试验的数据分析将完全不同于替换产品的寿命为仅含刻度参数的分布的寿命试验的数据分析。然后借助于更新过程的理论给出了前一种寿命试验的极大似然估计。模拟例子表明这种估计是很有效的。     

极大似然估计算法研究

将解一元方程的二分法推广至求解多元非线性方程组.以第K个变元Xk为参数,则κ元方程组就可以看作曲线s(前κ-1个方程)和κ-1维曲面C(第κ个方程),于是κ元方程组的解就可以看作寻找曲线s和曲面C的交点.对参数Xk作二分法,重复迭代,直到找到满足误差要求的方程组的解.最后给出了用多元二分法的算法求解极大似然估计的数值解.     

一类矩阵椭球等高分布在数据不完全的极大似然估计

对于一类矩阵球等高分布族在数据不完全情况下的参数估计，本文提出一种迭代算法，建立了三个引理，证明迭代过程概率为１地收敛，而且该极限点即为参数在数据不完全情况下致联合密度达极大的估计（本文借用ＭＬＥ记号）。     

ARMA模型变化点的极大似然估计

设W_1,…W_(n-1),W_n,…,W_m是对系统S的无间断等时间间隔的K维观测向量,样本W_1,…,W_(n-1)和样本W_n,…,W_m相互独立且分别来自两个不同的ARMA模型:     

统一处理极大似然估计的一个方法

利用方开泰和王元(1989)提出的序贯数论方法的一个优化算法(SNTO),本文给出求统计分布参数的极大似然估计的一个统一方法。为了说明这个方法的运用,我们集中处理威布尔和贝它分布的参数极大似然估计。许多例子表明,我们的方法是普遍有用和有效的。     

定时截尾下指数分布的修正最大似然估计

本文在定时截尾情形下对指数分布提出了修正的最大似然估计，且把修正方法应用到定时截尾恒加试验和步加试验，模拟结果表明修正后的估计量的均方误差有了明显减少。     

非正则位置参数模型中的拟极大似然估计

当分布密度的形式未知时，参数的极大似然估计没有明确的解析表达式，也不能通过设计算法由计算机运算得到。本文我们将从该分布中抽取的样本当作是来自另一个形式已知的分布密度的样本，该已知分布密度的选取依赖于未知的分布密度，但是具有与未知分布相似的边界性质。基于这两个分布族，我们提出了拟极大似然估计的概念，同时，对这种拟极大似然估计的渐近性质进行了讨论。结果表明拟极大拟然估计与极大似然估计有关相同的渐近性质，并且由于拟极大似然估计的获得不依赖于未知分布密度的形式，只与一已知的分布密度有关，使得通过计算机可以实现对其的求解。     

参数θ的函数f(θ)的极大似然估计

在微积分范围内给出了参数θ的函数f(θ)的极大似然估计.     

关于区间数据的分布函数估计问题

随机变量的区间观察值是指在随机试验中，我们只知道随机变量X是否落入某个可以观察的区间(TL，TR](该区间可以是来自某个已知或未知的二维分布)，但不知道随机变量X的具体观察值．这类问题不同于以往讨论过的左截断，右截断或双侧截断问题．本文将所见到的一些有关分布函数方面的研究成果作了一个简要介绍，同时也给出了作者的最新研究结果．     

指数总体删失数据的极大似然估计

对取自均值为λ的指数分布的缺失数据,在完全随机缺失、右删失、非随机缺失三种缺失机制下,分别推导了参数的极大似然估计,并做了随机模拟.