指数分布抽样基本定理及在四参数二元Marshall-Olkin型指数分布参数估计中的应用

本文提出指数分布抽样基本定理,四参数二元Marshall-Olkin型指数分布的参数估计中,从参数的识别性分析着手,获得了一个用可识最小值函数表示的分布函数表达式,进而得到了二元指数分布的一个特征;以二元指数分布随机变量样本与二元可识最小值随机变量样本的等价性,获得了基于二元可识最小值随机变量样本参数的最大似然估计,并应用指数分布抽样基本定理,得到了四参数二元Marshall-Olkin型指数分布参数的一致最小方差无偏估计。

二元Marshall-Olkin型二点分布参数与相关系数的最大似然估计

文章讨论可识最小值样本下和完全随机样本下二元Marshall-Olkin型二点分布参数及相关系数的最大似然估计,采用先参数识别后参数估计的方式,当已知可识最小值的分布时,证明参数可识别;由此得到了可识最小值样本下的参数的最大似然估计,其中二个参数的估计量是无偏的,另外一个参数的估计量的期望不存在:模拟结果显示:估计值均稳定于真值参数;由于二元二点分布情形时,可识最小值样本等价于完全随机样本,从而导致完全随机样本下的参数的最大似然估计等同于可识最小值样本下的参数的最大似然估计;计算了X与Y之间的相关矩阵和相关系数,由此得到了相关矩阵和相关系数的最大似然估计。

二元Marshall-Olkin型指数分布的矩估计及最大似然估计

本文讨论二元Marshall-Olkin型指数分布的参数估计.首先获得参数的矩估计,然后导出了基于完全样本下的似然函数,从而获得了参数的最大似然估计,并得到了参数的无偏估计.文末给出了参数的最大似然估计的模拟迭代值.

例说基于可识最小值之识别性与参数估计及特征的关系

讨论基于可识最小值之识别性与参数估计及特征的关系,以二元Marshall-Olkin型Weibull分布为例,存在全部参数可估计且可识别且有识别特征的情形;以二元McKay型伽马分布为例,存在全部参数可估计且部分参数可识别且无识别特征而有其它分离特征的情形,若是基于可识最小值及差值,则是全部参数可估计且全部参数可识别且有识别特征的情形;以二元极值二点分布为例,存在部分参数可估计且部分参数可识别且有识别特征的情形.