广义定时截尾下Lomax分布的统计推断及剩余寿命预测

在定时截尾试验方案的基础上提出了一种新的截尾试验方案,即广义定时截尾。在广义定时截尾样本下,研究了两参数Lomax分布形状参数和可靠度的极大似然估计。把形状参数的先验分布取为Gamma分布,在三类损失函数下求出了形状参数及可靠度的Bayes估计。分别用经典方法和Bayes方法对元件的剩余使用寿命进行预测,包括点预测和区间预测。对Lomax型元件组成的串联和并联系统的可靠度函数进行估计。通过蒙特卡洛模拟对经典方法和Bayes方法的估计精度进行比较,从均方误差来看,Bayes估计要优于极大似然估计。最后对一个数值例子进行了分析,得出了相关结果。

双定时混合截尾下Lomax部件的可靠性分析

在双定时混合截尾数据下,利用极大似然法得到Lomax分布的未知参数、可靠度函数和危险函数的极大似然估计.基于连续型和离散型的混合先验分布在三类损失函数下得到了模型参数、可靠度及危险函数的Bayes估计.分别利用经典方法和Bayes方法得到了被截尾样品未来失效时刻的预测值和预测区间.利用极大似然法对先验分布中的超参数进行了估计,并证明了估计值的唯一性.为了考察估计量的性质,用蒙特卡洛模拟计算出了均方误差,结果表明Bayes估计优于极大似然估计.通过对一个数值例子进行分析,得出了未知参数及可靠性指标的估计.

逐步Ⅱ型混合截尾下Lomax分布多部件应力强度模型的可靠性分析

基于逐步Ⅱ型混合截尾样本,研究Lomax分布多部件应力强度模型的可靠性分析问题。假设应力和强度具有不同形状参数和共同尺度参数,利用极大似然理论及迭代方法获得可靠度函数的极大似然估计(MLE),并给出渐近置信区间;然后,运用贝叶斯理论,借助Tierney-Kadane(TK)近似方法、MCMC算法,讨论平方误差损失函数下未知参数及可靠度的贝叶斯估计,给出其最大后验密度可信区间(HPD);最后,利用Monte-Carlo模拟方法对估计结果进行对比分析。模拟结果显示:贝叶斯估计整体上优于极大似然估计,并且随样本量的增大,2种估计的均方误差(MSE)均逐渐减小,HPD可信区间的效果优于渐近置信区间。

Lomax分布一致渐近指数分布

若随机变量X具有密度函数■则称X服从Lomax分布,其中λ>0为尺度参数,θ>0为形状参数.本文证明了当θ→∞时,Lomax分布一致渐近指数分布■.

不同损失下Lomax分布形状参数的Bayes估计

本文研究了两参数Lomax分布形状参数的Bayes估计问题.当尺度参数已知时,给出了在几种不同损失函数下形状参数的Bayes估计表达式,并运用随机模拟方法对各个估计进行了比较.

舍入数据下Lomax分布形状参数的经验Bayes检验问题

本文研究了舍入数据下Lomax分布形状参数的经验Bayes(EB)单侧检验问题.利用密度函数的递归核估计构造了参数的EB检验函数,并在适当的条件下证明了所提出的EB检验函数的渐近最优性,获得了它的收敛速度.最后,给出一个有关本文主要结果的例子.

逐步增加的Ⅱ型截尾下Lomax分布形状参数的估计

文章在逐步增加的Ⅱ型截尾下,给出了Lomax分布形状参数θ的极大似然估计;由"平均剩余寿命"的概念得到了形状参数的逆矩估计,在平方损失函数和对称熵损失函数下,针对不同的先验分布给出了参数θ的Bayes估计;最后通过随机模拟对几个估计进行了比较,说明了在相同的损失函数下,取共轭先验分布较无信息先验分布的精度要高。

定数截尾下Lomax分布失效率和可靠度的贝叶斯估计

由定数截尾寿命试验数据,得到了样本的似然函数.当取形状参数的先验分布分别为共轭先验分布族和Jeffreys先验时,根据贝叶斯公式得到了形状参数的后验分布,并进一步得到了失效率和可靠度的后验分布.当取平方损失和熵损失函数时,根据后验风险最小的原则,由贝叶斯统计方法得到了失效率和可靠度的贝叶斯估计.通过计算机随机模拟1 000次得到失效率和可靠度的均值和均方误差,并且从均值和均方误差两方面对几个估计值进行了比较,结果表明如果没有充分的先验信息可以利用,无法得到超参数a、b较为准确的估计时,应优先使用Jeffreys先验.

定时截尾缺失数据样本下Lomax分布总体形状参数的估计与检验

在定时截尾缺失数据样本下研究了Lomax分布形状参数的估计和假设检验.在尺度参数已知的条件下给出了形状参数的极大似然估计,证明了估计量的相合性和渐近正态性,并给出了形状参数的置信区间和假设检验,最后通过蒙特卡洛随机模拟说明了估计的优良性.

定数截尾情形Lomax分布形状参数的估计

首先给出了Lomax分布在定数截尾场合下形状参数θ的极大似然估计;其次由"平均剩余寿命"的概念得到了形状参数的逆矩估计,当取先验分布为指数分布时给出了参数θ的Bayes估计及区间估计;然后通过随机模拟对几个估计进行了比较,最后用一个实例给出了不同截尾样本下形状参数的点估计和区间估计.

两参数Lomax分布形状参数的经验Bayes估计问题

依据经验Bayes(EB)估计的思想方法,研究在平方损失函数下两参数Lomax分布形状参数的EB估计问题。在这种损失函数下,获得了形状参数的Bayes估计,利用密度函数的递归核估计方法构造了相应的EB估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度。最后给出一个满足文中主要结果的实例。

Lomax分布极大似然估计的两点研究

本文研究了Lomax分布参数极大似然估计的存在性和估计量的收敛性问题.利用严格的分析法和中心极限定理,获得了Lomax分布极大似然估计的存在性和估计量的渐近正态分布的结果,进一步推广到了有缺失数据的两个Lomax总体中,参数的极大似然估计有强相合性和渐近正态性.

两参数Lomax分布中参数的区间估计和假设检验

研究了两参数Lomax分布参数的区间估计和假设检验问题.分别在形状参数和尺度参数已知的情形下,给出了尺度参数、形状参数的置信区间和假设检验的拒绝域以及p分位数的置信区间,并运用随机模拟的方法分别对2个参数进行了统计分析.

Linex损失下Lomax分布形状参数的Bayes估计

文章研究了在Linex损失函数下两参数Lomax分布中尺度参数已知时形状参数的Bayes估计及其容许性、多层Bayes估计。

两参数Lomax分布次序统计量的性质和渐近分布

设随机变量X服从参数为λ,θ的Lomax分布,X1∶n,X2∶n,…,Xn∶n为其次序统计量,得到了参数λ的置信区间以及X1∶n和Xn∶n的渐近分布;当k(k>1)固定时,得到了Xn-k+1∶n的渐近分布.

Linex损失下Lomax分布形状参数的几种Bayes估计

本文研究了在Linex损失函数下,两参数Lomax分布中尺度参数已知时形状参数的Bayes估计、多层Bayes估计及E-Bayes估计,并运用Monte Carlo随机模拟对各个估计值进行比较.

基于区间数据Lomax分布形状参数的估计

在区间数据下用极大似然法来求Lomax分布中未知形状参数的估计,由此并不能得到参数的显式表达式。提出用EM算法可以得到形状参数的迭代公式,并能很方便地求出估计值且该估计具有良好的收敛性。随机模拟的结果表明EM算法的精度较高,并且最终估计值与初值无关。

缺失数据样本下Lomax分布尺度参数的估计

文章首先给出Lomax分布次序统计量的密度函数,得到次序统计量的相关特征数;其次在缺失数据样本下给出参数λ的无偏估计、近似极大似然估计及置信区间。通过实例计算了参数λ的几种估计,并验证其优良性。

复合linex对称损失下Lomax分布参数的Bayes估计

研究了在复合linex对称损失下,两参数Lomax分布当刻度参数已知时,其形状参数的Bayes估计及其容许性,并给出了其多层Bayes估计的一般形式。

刻度平方误差损失下Lomax分布形状参数的Bayes估计

对于给定容量为n的一个Lomax样本X1,X2,…,Xn,在刻度平方误差损失函数下,给出了Lomax分布参数的Bayes估计,可容许性及置信下限,同时也得到了参数的多层Bayes估计的表达式.