搜索结果: 1-15 共查到“数学 指数分布”相关记录22条 . 查询时间(0.276 秒)
双参数指数分布型元件并联系统的可靠性的广义置信下限
双参数指数分布 并联系统 可靠性 广义置信下限 Bootstrap置信下限
2013/10/20
本文对于两个独立双参数指数分布元件组成的并联系统,基于两个元件的定数截尾数据,利用Weerahandi给出的广义枢轴量和广义置信区间的概念,建立了可靠性的广义置信下限,并从理论上研究了广义置信下限的频率性质.广义置信下限可以通过数值方法得到,计算方法是简单直接的.在小样本情形下,通过与Bootstrap置信下限的模拟研究,发现广义置信下限的覆盖率更令人满意.
本文讨论了指数分布的无失效数据（ti,ni），利用指数分布的凸性和其特性| 无记忆性，给出了可靠度的多层Bayes估计，进而得到参数μ 的加权最小二乘估计。
指数分布场合下无失效数据分析
指数分布 无失效数据 Epanechnikov核函数 Bayes估计
2011/11/13
本文对指数分布的无失效数据给出了一种统计分析方法。由指数分布函数的凸性和无记忆性，利用Epanechnikov核函数，给出可靠度的先验分布，进而在无失效数据的情况下，得到了平均寿命的Bayes估计，并与文献中的方法作了比较分析。
单参数指数分布参数比率统计推断的研究
比率 平均寿命 单参数指数分布
2013/10/20
本文在产品寿命服从单参数指数分布的无替换定数截尾寿命试验场合下,提出两独立产品的平均寿命比率的两个估计量并研究了它们的均值、方差、方差的估计、大截尾数性质、置信区间及最优截尾数的确定问题.然后进行了数据模拟,进一步验证了所提估计量的有效性.
多元Friday-Patil 型指数分布的特征及参数估计
Friday-Patil 型 多元指数分布 特征 最大似然估计 矩估计
2012/9/26
讨论二元Friday-Patil 型指数分布的多元形式,以及对应的多元指数分布的特征与参数估计.利用分布密度函数等价分拆思想,导出了二元Friday-Patil 型指数分布的多元推广, 得到了多元Friday-Patil 型指数分布的特征,并利用该特征获得了相应参数的最大似然估计及矩估计.因此,多元Friday-Patil 型指数分布是一个有特征的混合型分布.
在指数分布定数截尾情形下,当先验分布中的超参数部分未知时,在加权平方损失下构造了刻度参数的参数型经验Bayes(PEB)估计,研究了其在均方误差 (MSE) 准则下相对于一致最小方差无偏估计 (UMVUE) 的优良性,并获得了 PEB 估计的大样本性质.当先验分布中的超参数完全未知时,通过数值模拟比较了 PEB 估计和 UMVUE 的均方误差,获得了其优良性.最后,通过数值模拟的结果,获得了PEB...
二元混合型指数分布的识别性及其应用
二元指数分布 混合型 识别性 精算现值
2012/9/26
对新提出的一类二元混合型指数分布和其他三类二元混合型指数分布, 讨论了它们的分布识别问题, 即记12 min ( , ) Z XX = ,I i = 当Z Xi= ; 记12 max( , ) UXX = ,J j = 当jUX= ; 已知(,) Z I或(, ) UJ 的分布, 求12 (, ) X X 分布的唯一性问题. 给出了12 (, ) X X 服从Marshall-Ol...
指数分布基于多重定数截尾样本的近似Bayes估计
指数分布 多重定数截尾样本 Bayes估计 步加寿命试验
2009/10/21
该文讨论了指数分布场合具有多重定数截尾样本的一种新的近似Bayes估计,导出了基于寿命试验数据的近似Bayes估计和在步加寿命试验情形基于多重定数截尾样本的近似无偏估计和近似Bayes估计.利用模拟方法研究了所给估计的精度,模拟结果显示所给估计的精度是令人满意的.
线性指数分布参数的经验Bayes检验问题
密度函数的核估计 经验Bayes检验 渐近最优性 收敛速度
2009/9/21
分别讨论了线性指数分布参数的经验Bayes(EB)单侧和双侧检验问题.利用概率密度函数的核估计分别构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性并获得了它的收敛速度.最后,给出一个有关主要结果的例子.
基于双参数指数分布定数截尾数据,利用Weerahandi给出的广义置信区间的概念,建立了可靠寿命的广义置信下限,并从理论上证明了我们给出的广义置信下限是精确的,即基于广义置信下限的区间估计的覆盖率等于要求的置信水平.广义置信下限需要通过数值方法得到,但是计算方法是简单直接的.在小样本情形下,通过对基于广义置信下限的置信区间与Engelhardt-Bain近似置信区间覆盖率的模拟比较,发现广义置信下...
二参数指数分布有序约束位置参数的保序估计
位置参数 顺序约束 均方损失函数 保序估计
2008/12/12
假定有两个来自于不同的二参数指数分布的独立样本，它们的位置参数满足顺序约束．本文分三种情形对常规估计作出了改进，给出了有约束位置参数的估计，并在一组特殊的参数下证明了它们在均方损失函数下优于常规估计．
指数分布场合下基于分组数据区间估计的新方法
指数分布 多项分布 分组数据 极大似然估计
2008/12/2
从新的角度证明了分组数据下指数分布总体均值的极大似然估计(MLE)的渐进正态性，给出了该均值的渐进置信区间．通过Monte Carlo模拟比较，发现该置信区间优于CHEN和MIE得到的置信区间。
混合指数分布是寿命数据分析中一个非常重要的统计模型\bd 但是利用正规的统计方法如矩估计、极大似然估计等估计模型的参数往往比较困难\bd 本文应用EM算法详细研究了混合指数分布在正常工作条件下和在进行恒加应力加速寿命实验条件下, 在完全数据场合、I-型截尾和II-型截尾场合的参数估计问题\bd 模拟说明利用EM算法来估计混合指数分布是一种非常有效的方法.
指数分布场合下双应力步加试验的设计
指数分布 步加试验 最优设计
2008/11/24
本文利用指数分布场合下双应力无交互作用时定时步进应力加速寿命试验~(简称步加试验) 的非退化试验设计与退化试验设计的关系,将双应力试验设计转化成单应力试验设计, 在``使得工作应力下产品对数分位寿命的极大似然估计的渐近方差最小''的最优准则下, 给出双应力无交互作用时定时步加试验的设计方法, 同时证明该设计也是D-最优的.
指数分布危险函数的经验Bayes双侧检验的收敛速度: Ⅱ型截尾情形
The kernel estimation of density function empirical Bayes test convergence rates type Ⅱ censored
2008/11/24
本文讨论了Ⅱ型截尾情形下指数分布危险函数的经验Bayes (EB)双侧检验问题. 利用概率密度函数的核估计构造了经验Bayes检验函数, 在适当的条件下获得了它的收敛速度.