冲击时间间隔服从[0,b]均匀分布的截断δ冲击模型的参数估计

截断δ冲击模型是一类特殊的冲击模型,在可靠性数学理论中具有一定的研究价值.文章应用极大似然估计的方法对冲击时间间隔服从[0,b]上均匀分布的截断δ冲击模型的参数和δ进行估计,得到了模型的参数估计量和寿命期望.最后,用Mat lab R2013a对δ的估计量进行模拟,得到了δ和其他参数之间的变化关系.     

有先验信息的多参数分布族的参数估计

定义了拟极大似然估计和偏拟极大似然估计,并证明了二者在一定的条件下是一致的,最后给出了两个例子说明这两种估计的一致性.     

不同冲击间隔分布下经典δ冲击模型的参数估计

通过极大似然估计方法,对冲击时间间隔服从[0,b]上均匀分布、参数为λ的指数分布以及一般更新过程的经典δ冲击模型的参数δ、λ和b进行估计,得到了其相应的估计量。     

中间删失下指数分布的参数估计

考虑中间删失数据的指数分布,我们观测不到落在某个随机区间内的数据。用图解法得出参数的极大似然估计,在随机删失区间的端点分布已知的条件下推出参数的矩估计。     

δ-冲击模型及随机检测

讨论了δ-冲击模型,在泊松冲击流下给出了一些可靠性指标:系统可靠度函数和首次故障前平均时间。在假设检测间隔形成一个泊松过程的条件下,利用随机的思想来研究遭受随机冲击系统的最优检测问题。     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。     

冲击间隔服从泊松分布的δ冲击模型的可靠性分析

讨论了一种特殊的δ冲击模型,假设系统受到到达时间间隔服从泊松分布的冲击,当连续两次冲击的时间间隔超过门限值δ时,系统失效。我们计算了此类δ冲击模型系统冲击到达次数和冲击到达时刻的分布,并且进一步求出了系统寿命的概率分布和期望。     

中间删失数据丢弃情形指数分布的参数估计

考虑中间删失数据丢弃情形的指数分布,我们观测不到落在某个随机区间内的数据。当随机删失区间的端点的分布满足一定条件下得出参数的极大似然估计。     

Logistic模型的参数估计及其实证研究分析

本文首先对Logistic模型的理论基础和性质进行了推导和研究,然后利用极大似然估计法对模型的参数进行了估计,另外对Logistic模型在实证研究中存在的问题进行了分析和评估。     

两种非线性计量模型参数估计的MLE方法

对于具有内生性问题的probit模型和存在样本选择的probit模型,为了得到一致的参数估计,文中探讨了这两种情形下的极大似然函数的构造问题.     

定时截尾下双参数指数模型参数估计的EM算法

利用EM算法讨论在定时截尾试验中最后一个失效时间与截尾时刻之间的信息,得出双参数指数模型中尺度参数的迭代解,并比较了EM算法与传统的极大似然估计,得出EM算法要明显优于传统的极大似然估计.     

双边截尾场合下BS疲劳寿命分布的参数估计

在双边定数截尾场合下,给出了Ｂｉｒｎｂａｕｍ －Ｓａｕｎｄｅｒｓ疲劳寿命分布的统计分析,给出了参数的拟最小二乘估计和近似极大似然估计,并用随机模拟方法比较极大似然估计、近似极大似然估计和拟最小二乘估计的偏性和均方误差．     

广义更新过程中Weibull分布参数的最大似然估计

文章研究了广义更新过程中间隔分布为Ｗｅｉｂｕｌｌ的分布参数的极大似然估计，讨论了其存在唯一性，并主要证明了强相合性。     

两种统计框架下均匀分布参数估计的对比研究

在理论和模拟方面对均匀分布U (0,θ ) 参数θ 的Bayes 估计与极大似然估计进行对比研究. 首先将基于损失函数和共轭先验得到的Bayes 估计与极大似然估计在形式上进行对比,发现所得Bayes 估计不但在数值上略大于极大似然估计,而且还是参数的相应函数的极大似然估计;然后通过模拟研究两种估计方法对参数的返真性,结果表明所得的Bayes 估计的均方误差在大多数场合下都小于极大似然估计的均方误差.     

定量恒加试验含无失效数据下Weibull分布参数的极大似然估计

本文给出了几种定量截尾恒定应力加速寿命试验中含无失效数据下Weibull分布参数的极大似然估计法，最后，将所提供的方法与现场数据估计结果进行了比较。     

均匀分布的截断δ冲击模型参数的Bayes估计

利用Bayes估计的方法得到了截断δ冲击模型参数的Bayes估计量,并运用数值模拟的方法对估计量进行实证,得到了参数δ和分布函数之间的变化关系。     

正态AR（1）模型参数之极大似然估计

评述了有关工作，强调了我们的独特工作，即另一种可推广到ＡＲ（Ｐ）的解析表达式和Ｒ０已知，单对Ｒ１作极大似然估计，此时出现了不唯一性点集。     

截断情形下几何分布的参数估计

讨论了截断情形几何分布参数p的极大似然估计问题,证明了估计的强相合性和渐近正态性,给出了估计的进一步渐进性质.     

双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

系数随机的多元线性回归模型的参数估计

对一般系数随机的带有相关因子的多元线性回归模型的参数进行估计。估计值是用EM算法给出的极大似然估计或约束的极大似然估计。给出了EM算法的具体公式,并利用bootstrap方法估算出这些估计值的精确度。最后通过一判别儿童总体中是否存在Catch-Up生长的例子以解释给出的方法。