两水平无重复因析试验散度效应的估计

本文对两水平无重复因析试验给出了散度效应的一种新的估计,称为AMH估计,改进了文献中散度效应的较好的MH估计的一个缺陷,给出并证明了AMH估计的无偏条件,证明了AMH估计比MH估计有更小的方差下界.最后通过模拟试验比较了AMH和MH估计的偏度,方差和均方误差.     

无重复因析试验中散度效应的ML估计

在无重复因析试验中,若因子A,B的散度效应显著,则不论其交互效应AB的散度效应是否显著,其散度效应的现有估计常常是有偏的,从而导致其被错误地识别为显著效应.提出了散度效应的一种新的估计方法(称为ML估计),并给出了ML估计的方差的精确表达形式,证明了在一类模型中,交互效应AB的散度效应的ML估计是无偏的.最后,将ML估计与现有的常用估计进行了比较.     

无重复因析试验中多个散度效应检验的一种改进方法

在无重复因析试验的多个散度效应分析中,常常出现错误识别的现象,即两个显著的散度效应可能在它们的交互列上产生一个错误的散度效应,并且现有的许多方法都存在这样的问题.为了解决这种模棱两可性,McGrath和Lin(2001)提出了一种基于残差样本方差几何平均的检验方法(ML方法),但是这个方法不能应用于零残差样本方差的情形.鉴于此,提出了一种基于修改残差的改进方法,适用于零残差样本方差的情形,并且通过实例验证了方法的合理性.最后,通过模拟和ML方法做了比较.     

截尾线性回归模型参数极大似然估计的存在性和唯一性

考虑带有截尾数据的线性回归模型,在较为-般的截尾数据情形下,本文给出了其参数极大似然估计(MLE)存在且唯一的充分必要条件,且对MLE不存在的样本数据集Q的描述定义更为准确.     

两水平无重复因析试验散度效应BH估计的性质

本文研究了两水平无重复因析试验散度效应BH估计的性质,给出了BH估计无偏性的充分必要条件,求得了它的近似方差.并在多个模型下对BH与MH估计进行了模拟比较.     

带有不完全信息随机截尾试验下最大似然估计的重对数律

本文在条件($\Phi$)下,证明了带有不完全信息随机截尾试验下最大似然估计的收敛速度符合重对数律,并验证了Weibull分布、对数正态分布满足条件($\Phi$).