多项分布与Dirichlet分布概率的相互表示

讨论了四种多项分布尾概率与四种Dirichlet分布尾概率的相互表示,并将结果应用于Majorization理论,得到了多项分布和Dirichlet分布对应的一些性质.同时,结果可应用于多项分布最大、最小参数的贝叶斯推断,在佛罗里达州沃尔顿县白人和黑人的职业状态调查结果中,求出最大、最小参数的后验分布函数以及95%贝叶斯区间估计,模拟结果表明提供的方法具有较好的表现.     

重截断和的渐近分布

设{X_n,n≥1}是i.i.d.随机变量序列,X_n,1≤…≤X_(n,n)是X_1,…,X_n的次序统计量。又设k_(n,1,) k_(n,2)是满足条件1≤k_(n,1)相似文献   

关于假设检验中原假设的提出

在假设检验中第一步要解决的,也是最为困难的问题就是原假设H0的提出.本文对假设检验的原理给出了解释,并通过一个实例的讨论给出了原假设H0提出的原则.     

可换序列变叙项极值的渐近分布

设X_(1,n) …,X_(N,n)是可换r. V. 无穷序列的一段,X_(1,n)~＊≤…≤X_(N,n)~＊为其顺序统计量,N=N(n)是与这些X(1,N)独立的正整值r. V.,n=1,2,….当k_n·n~(-(?))→α(0<α<∞,0<(?)<∞)时,本文得出了X_(N-k_n 1m)~＊的渐近分布。     

Gumbel分布最大吸引场的次序统计量的精致渐近性

得到一类Gumbel分布最大吸引场的随机容量样本的次序统计量的精致渐近性,揭示了收敛速度、权函数、边界函数及极限状态之间的联系.这类吸引场真包含了全体(γ),γ>0分布族.     

次序统计量的抽样分布

本文指出了文[1]中次序统计量抽样分布证明中的错误，并进行了更正．     

广义Pareto分布的广义有偏概率加权矩估计方法

广义Pareto分布(GPD)是统计分析中一个极为重要的分布,被广泛应用于金融、保险、水文及气象等领域.传统的参数估计方法如极大似然估计、矩估计及概率加权矩估计方法等已被广泛应用,但使用中存在一定的局限性.虽然提出很多改进方法如广义概率加权矩估计、L矩和LH矩法等,但都是研究完全样本的估计问题,而在水文及气象等应用领域常出现截尾样本.本文基于概率加权矩理论,利用截尾样本对三参数GPD提出一种应用范围广且简单易行的参数估计方法,可有效减弱异常值的影响.首先求解出具有较高精度的形状参数的参数估计,其次得出位置参数及尺度参数的参数估计.通过Monte Carlo模拟说明该方法估计精度较高.     

一个渐近的分布概率式

本文给出了一个渐近分布概率式的推广形式，并运用概率论知识给出它的一个证明     

艾拉姆咖(Эрланга)分布小样本区间估计和检验问题研究

本文研究了艾拉姆咖分布的小样本区间估计和检验问题.给出了检验统计量和相应的拒绝域.比较了指数分布和艾分布的区别和差异.指出在对装备维修工时的估计时,运用艾分布可能更加精确和有意义;并运用实例分析了区间估计精度.文章对装备维修工时的估计具有一定意义.     

多项几何分布（英文）

本文研究了在伯努利试验下的收集问题,利用混料格子点集的理论,推导出了多项几何分布的概率函数.在伯努利试验中,如果假设各种试验结果发生的概率都相等,进一步提出了均匀多项几何分布.我们得到了两类分布的概率函数以及期望与方差,通过模拟验证了这两类分布与正态分布的差异,并由模拟结果建立关于概率与试验次数的多项式回归模型,使用该模型可以有效的简化计算.     

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。     

截断和与次序统计量的联合极限分布

§1.引言 设{X_n,n≥1}是iidry序列,具有共同的非退化dfF.对每n≥1,以X_(n,1)≤…≤X_(n,n)。记X_1,……,X_n的次序统计量.如果整数k_n和l_n满足1≤k_n相似文献   

多元分布下单边备择假设的两步检验

x~2检验是熟知的拟合优度检验.它适用于任意的备择假设,尤其是适用于一般的备择假设"H_0不真"的情况.但是,当备择假设是一个单边假设时,x~2检验没有用到单边假设所提供的信息.因此,一个充分利用单边备择假设信息的检验是有可能优于传统的x~2检验的.本文就是利用单边备择假设的信息给出了一个两步检验,并通过一个例子,详细介绍了两步检验法的实施,说明了其应用.     

多个离散分布的信息差度量的渐近分布

本文中对于多信息源的信息差异性度量B,我们研究了B(u1,u2,…,us)的渐近分布,其中u1,u2,…us是某个概率分布的样本估计．在某些较弱的条件下,我们证明了nB(u1,u2,…,us)的极限分布是自由度为1的X2分布的加权和,其中n是样本容量,u1,u2,…,us不必相互独立．     

离散型随机变量的次序统计量的分布

本文论述了离散型随机变量的次序统计量的分布律及其有关理论。     

关于经验分布的最优选择问题

本文运用统计决策知识探索了经验分布的最优选择问题. 作者借鉴风险函数的思想, 在平方损失的意义下引进平均平方距离标准, 并推导出该标准下最优新经验分布函数. 继而采用另一源于Minimax思想的最大一次距离标准, 在连续总体下对五种经验分布函数加以模拟比较分析, 得出新经验分布函数仍一致占优.     

离散型随机变量的次序统计量的分布

本文论述了离散型随机变量的次序统计量的分布律及其有关推论 .