共查询到20条相似文献,搜索用时 31 毫秒
1.
采样数据的增加究竟有多少相应的有效Fisher信息增益,这是测量数据处理、图像数据融合等应用领域中关心的问题.以(共轭)正态分布为基础,利用统计推断理论,导出一定相关性下样本数据的增加与统计信息(Fisher信息)增益之间的关系,并经一维航天测量数据和二维图像超分辨仿真算例验证. 相似文献
2.
统计诊断就是探查对统计推断(如估计或预测等)有较大影响的数据从而对全过程数据进行诊断.本文应用基于数据删除模型得到二维AR(1)模型的参数估计诊断公式,给出了Cook统计量的计算公式,进而推广到m维AR(p)模型的情形. 相似文献
3.
4.
本文研究了在循序-I型删失数据情形下Gompertz-sinh分布的统计推断问题.利用处理删失数据的EM算法,我们讨论了Gompertz-sinh分布未知参数的最大似然估计(MLE)问题.为了讨论未知参数的近似置信区间估计,基于遗失信息原则,我们给出了观测Fisher信息矩阵.为了演示本文的方法,我们给出了相关数值模拟结果和一个真实数据实例. 相似文献
5.
陈希镇 《数学年刊A辑(中文版)》2001,(4)
在一定条件下利用一次测验分数推出考生观测分数分布和真分数分布及它们的联合分布,从而给出掌握推断中分类信度的一致性指标P和Kappa系数的估计,讨论一些相关的统计推断问题. 相似文献
6.
7.
在本文中,我们讨论两指数总体的位置参数和尺度参数的统计推断问题.利用极大似然方法,在联合II型删失数据的情形下给出参数的精确分布以及相关精确统计推断结果.将枢轴量表示为标准指数随机变量的线性函数,并且给出枢轴量的条件精确分布,这个条件精确分布的一个很大优点是计算比较简单.利用条件精确分布,可以获得枢轴量的精确分位数.为了说明本文方法的优劣,我们也提供Bootstrap方法构造参数置信区间的相关结果.最后将理论结果,进行了部分数值模拟实验,这些数值结果列在相应的表格里. 相似文献
8.
9.
10.
本文考虑对母体分位数之函数作统计推断的问题.子样分位数之函数的渐近分布为正态.使用刀切法,我们给出了渐近分布的方差与协方差的估计量并建立了它们的一致性.这些结果提供了一些在渐近意义下正确的统计推断方法. 相似文献
11.
研究高维线性模型中的经验似然推断.当协变量的维数随样本量增加时,常规的经验似然推断失效.在适当的正则条件下,对修正的经验似然比统计量给出了渐近分布理论. 相似文献
12.
13.
一类未知参数其先验分布为伽玛分布的Bayes区间估计 总被引:2,自引:0,他引:2
本文首先给出伽玛分布与χ^2-分布的统计量之间的关系,然后利用贝叶斯统计推断方法给出了伽玛(r)分布、威布尔(weibull)分布、以及卡方(χ^2)分布这三种非正态总体未知参数的Bayes区间估计。 相似文献
14.
15.
16.
本文考虑带有不完全信息随机截尾试验模型,当模型中寿命随机变量的总体分布类型完全未知时,针对总体均值型参数进行统计推断,构造经验对数似然比统计量,模拟表明该统计量的分布与标准卡方分布拟合得很好,由于数据是不完全数据,借鉴[11]采用广义EM算法计算该统计量,数值模拟表明这是个行之有效的方法. 相似文献
17.
在多重型删失数据场合,利用ML法做统计推断时,由于似然函数过于复杂,常遇到很大困难.通过文中方法我们获得了Logistic分布参数的近似似然函数,并在大样本场合,证明此似然函数以概率1收敛于原似然函数. 相似文献
18.
利用统计诊断的一些思想,从Bayes预测理论的角度分析线性模型中的结构变化.考察两相回归模型其中诸yi是观察值,凡是回归变量的已知向量(p×1),Oj(j=1,2)是未知参数向县(p×1),是未知参数,诸εi是相互独立的.m是未知参数称为变点.我们主要对m感兴趣.实际上,在模型(1.1)中的统计推断之前,我们不知道哪个参数变化.本文结合统计诊断的一些思想和Dayes观点,利用基于条件预测奇异诊断(以下简记为CPDD)和Kullback-Leibler散度两种方法,来研究线性模型的结构变化.这些方法不限于任何条件,且能找出哪些参数变化;哪… 相似文献
19.
在统计推断中,需用统计量来估计未知参数θ或g(θ)的数值,如要进一步分析一个估计量的好坏,就需知道估计量的分布,或至少要知道统计量的某些数字特征.众所周知,t统计量、F统计量在参数的点估计、区间估计、假设检验中起着重要的作用.文献[1]中介绍了几种重要分布: 相似文献
20.
众所周知统计推断有三种理论:普遍承认的Neyman理论(频率学派),Bayes推断和信仰推断(Fiducial)。Bayes推断基于后验分布,由先验分布和样本分布求得。信仰推断是基于信仰分布(Confidence Distribution,简称CD),直接利用样本求得。两者推断方式一致,都是用分布函数作推断,称为分布推断。从分析传统的参数估计、假设检验特性来看,经典统计推断也可以视为分布推断。通常将置信上限看做置信度的函数。其反函数,即置信度是置信上界的函数,恰是分布函数,该分布恰是近年来引起许多学者兴趣的CD。在本文中,基于随机化估计(其分布是一CD)的概率密度函数,提出VDR检验。常见正态分布期望或方差的检验,多元正态分布期望的Hoteling检验等是其特例。VDR(vertical density representation)检验适合于多元分布参数检验,实现了非正态的多元线性变换分布族的参数检验。VDR构造的参数的置信域有最小Lebesgue测度。 相似文献