相协样本下概率密度函数的调整经验似然推断

本文研究相协样本下概率密度函数的调整经验似然推断,证明对数调整经验似然比统计量服从χ²分布,由此构造了相协样本下概率密度函数的调整经验似然置信区间.在有限样本情况下通过数值模拟,对比分析得到AEL的表现略优于EL和NA的表现.     

基于贝叶斯方法的水位流量关系——以东江干流为例

以东江干流(珠江流域支流)河源、岭下和博罗3个测站水位-流量数据为例,运用贝叶斯方法拟合水位流量关系曲线中的幂律模型.以东江干流历年实测数据构建合理的先验分布为基础,结合似然函数,导出后验分布,并用马尔科夫链蒙特卡洛(MCMC)算法估计后验分布中的参数.结果表明:贝叶斯方法能够合理推断水位流量关系曲线中的幂律模型并结合MCMC算法进行参数估计,且能够提供拟合的水位流量关系曲线的95%置信区间;相比最大似然估计法,贝叶斯方法在曲线的外延性表现更好.     

正向爆轰驱动高焓激波风洞的数值模拟

对充满氢氧可燃气体、带扩容腔的正向爆轰驱动的激波风洞进行了数值模拟。计算采用了欧拉方程,频散可控耗散差分格式（DCD）和改进的二阶段化学反应模型。在扩容腔附近采用二维轴对称计算模型,而在驱动段和被驱动段的直管道部分则采用一维计算模型。本文分析了爆轰波在管道中的传播、反射和绕射过程。计算结果表明扩容腔的尺寸对爆轰波的传播、反射、汇聚等起着决定性的作用;带扩容腔的正向爆轰驱动的激波风洞能够得到平稳的持续时间较长的气流,提高了实验的精确度和可重复性。     

考虑数据不确定性的结构损伤识别Bootstrap-BC_a法

传统的基于概率统计分析的结构损伤识别方法通常需要人为假定不确定性参数服从某种概率分布,当此假设与现实不符时,可能导致损伤误判。为此,结合频响函数与Bootstrap相关理论,提出一种考虑测量数据不确定性的结构损伤识别Bootstrap-BC_a法。首先根据结构损伤前后的多组结构响应识别相应各单元的刚度损伤系数δ_i~u和δ_i~d;进而采用Bootstrap-BC_a法分别估计各个单元的δ_i~u和δ_i~d在置信度为95%下的置信区间;最后通过所定义的结构损伤可能度指标PDI和单元损伤程度指标DLI来确定结构各单元的损伤可能性和损伤单元的损伤程度中值及区间。以数值算例来验证所提方法的可行性及可靠性,并分别讨论了数据不确定度、原始样本个数对损伤识别结果的影响。结果表明所提方法在考虑测量数据不确定性的情况下,仅需少量样本即可准确地识别出单元的损伤位置和损伤程度,具有一定的工程应用价值。     

强混合样本下密度函数的经验似然统计大样本性质

本文将在强混合样本下,利用分组经验似然比方法,构造密度数的置信区间。     

逆高斯分布变异系数和尺度参数的统计推断研究

构造了逆高斯分布中变异系数的广义枢轴量,给出了一种参数的区间估计方法,并与MOVOER(method of variance of estimates recovery)和Bootstrap 方法进行比较;给出了多总体下尺度参数两两差的同时置信区间.模拟结果表明:在中、小样本情况下,所给的广义置信区间其覆盖概率接近置信...     

基于分位数过程能力指数的Bootstrap置信区间

讨论了基于分位数过程能力指数的Bootstrap置信区间,并以Taguchi指数C′p m为例,在过程服从Weibull分布情况下给出了指数C′p m的Bootstrap置信区间的求法,通过模拟研究验证了该方法的可行性.     

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.     

Panel数据模型中方差分量的广义p值检验

利用广义p值和广义置信区间的概念构造含有四个随机效应的Panel数据模型中方差分量的几种新的精确检验和置信区间,并讨论它们在尺度变换下的不变性.模拟结果表明,这种检验能很好地控制检验水平.     

Estimation for Partially Linear Models with Missing Responses:the Fixed Design Case

Suppose that we have a partially linear model Yi=x′iβ+g(ti)+εi with independent zero mean errorsεi,where{xi,ti,i=1,···,n}are non-random and observed completely and{Yi,i=1,···,n}are missing at random(MAR).Two types of estimators ofβand g(t)for fixed t are investigated:estimators based on semiparametric regression and inverse probability weighted imputations.Asymptotic normality of the estimators is established,which is used to construct normal approximation based confidence intervals onβand g(t).Results are reported of a simulation study on the finite sample performance of the estimators and confidence intervals proposed in this paper.