双定数混合截尾下两参数Pareto分布的统计分析

在传统的定时和定数截尾试验的基础上,该文首次提出了一种新的截尾试验方案:双定数混合截尾.基于这类截尾数据求出了两参数Pareto分布参数的极大似然估计及θ的置信区间.当α已知时,取Gamma先验分布的情况下,求出了三种不同损失函数下参数θ、可靠度函数以及失效率函数的Bayes估计;当α,θ都未知时,分别取无信息先验分布和指数先验分布,在平方损失函数下分别计算出α,θ、可靠度函数以及失效率函数的Bayes估计.利用Monte-Carlo方法模拟出双定数混合截尾样本,进而得到了两参数Pareto分布的参数及可靠性指标的估计,计算出相对误差并把各种估计的精度进行了比较.最后对一个数值例子进行了分析.

广义Pareto分布海杂波模型参数的组合双分位点估计方法

广义Pareto分布的复合高斯模型可以很好地描述高分辨低擦地角对海探测场景中海杂波的重拖尾特性,实现该杂波模型下双参数的有效估计对雷达检测性能具有重要意义。对此,该文提出一种双参数的组合双分位点(CBiP)估计方法。该估计方法基于低阶多项式方程的显式求根表达式,充分组合利用回波中的样本信息,旨在实现高精度的双参数估计过程。此外,考虑到实际雷达工作中存在岛礁、渔船等造成的功率异常大的野点样本时,不同于传统的矩估计、最大似然(ML)估计等方法,组合双分位点估计方法仍可保持估计性能的鲁棒性。仿真及实测数据实验表明,在纯杂波环境中,组合双分位点估计方法可以实现与最大似然估计方法近似的估计精度,若存在异常样本,组合双分位点估计方法的估计性能优于上述几种传统估计方法。

基于左截断右删失数据的单参数Pareto分布参数估计

基于EM算法及极大似然法研究了左截断右删失数据下单参数Pareto分布的参数估计,导出其迭代式,并应用随机模拟对参数估计式进行了模拟检验,结果表明迭代式能够快速收敛,EM估计值较为精确.