二参数指数分布有替换寿命试验极大似然估计

目的　解决在寿命试验中一个非常重要而又易忽视的事实 ,也即初试产品和替换产品的寿命同为二参数指数分布的有替换寿命试验的数据分析 ,将完全不同于替换产品的寿命为仅含刻度参数的分布的寿命试验的数据分析 .方法　借助于更新过程的理论 ,给出了前一种寿命试验的极大似然估计并举出模拟例子 .结果　更新过程的理论给出的极大似然估计是很有效的 .结论　用更新过程的理论能解决寿命试验中初试产品和替换产品的寿命同为 ,二参数指数分布的有替换寿命试验的数据分析与替换产品的寿命为仅含刻度参数的分布的寿命试验的数据分析的不同     

指数分布参数极大似然估计检验的样本崩溃点

如何量化一种统计方法对异常值的不敏感性一直是稳健统计研究的一个重要课题。检验的样本崩溃点是样本中能逆转逆转判决的离群值的最小比例。在研究相关文献的基础上,计算出指数分布参数极大似然估计检验的样本崩溃点,并分析了样本崩溃点的渐近正态性,为量化统计方法的稳健性提供了一种新的途径。     

指数分布参数极大似然估计检验的样本崩溃点

如何量化一种统计方法对异常值的不敏感性一直是稳健统计研究的一个重要课题.检验的样本崩溃点是样本中能逆转判决的离群值的最小比例.在研究相关文献的基础上,计算出指数分布参数极大似然估计检验的样本崩溃点,并分析了样本崩溃点的渐近正态性,为量化统计方法的稳健性提供了一种新的途径.     

双参数指数分布无失效数据的新的修正极大似然估计

对双参数指数分布的无失效数据（ti,ni)给出了参数μ和σ的新的修正极大似然估计,从而可以得到无失效数据可靠度的估计。最后,结合实际问题进行了计算。     

多个指数分布参数基于截尾样本在序约束下的极大似然估计

对给定k（k〉2）个指数分布总体,抽取一组截尾样本1,2,i i iniX X X,讨论其均值θi,（i=1,2,3 k）在简单半序、简单树半序、伞型半序和简单环半序约束条件下的极大似然估计问题,根据PAVA算法给出了k个指数分布参数基于截尾样本在序约束下极大似然估计的计算方法。     

多元退化正态分布参数的极大似然估计

设m维随机向量y服从多元退化正态分布,即y～Nm（μ,V）,其中V≥0且|V|＝0.本文利用矩阵的广义道作为表示工具来讨论参数μ,V的极大似然估计,得到了与非退化情形下表达形式—致的似然估计的一般表达式.     

和极大似然估计──一种新的估计准则

经典的极大似然估计和抗差的广义极大似然估计都是将随机样本看成独立积事件，在积概率最大的准则下，求参数估值，前者不能抗拒粗差，后者能抗拒粗差。和极大似然估计是将随机样本看成独立和事件，在和概率最大的前提下，求参数估值，从理论分析和计算结果来看，和极大似然估计优于积极大似然估计。     

极大似然估计和拟极大似然估计模拟之比较

通过对单个协变量的带有测量误差的一维结构回归模型中总体平均处理效应的极大似然估计和拟极大似然估计的随机模拟结果进行比较,发现这两个公式都不受测量误差的影响,并且可以互换使用.当其它误差较小时用两个公式计算结果虽然相差不大,但相比较而言用拟极大似然估计较好,反之,当其它误差较大时用极大似然估计较好.     

极大似然估计方法介绍

主要介绍了极大似然估计方法的来源、极大似然原理、极大似然问题求解方法以及什么情况下极大似然估计不能求解等。     

向量自回归模型参数的极大似然估计

研究了n维向量AR（p）自归模型参数的极大亿然估计与似然比检验，给出并证明了参数、的估计值、通过实例进行了似然比检验。     

渐近极大似然估计(AMLE)与极大似然估计(MLE)的强一致性

AMLE和MLE的强一致性具有广泛的应用,随着对非参数估计的研究,需要对AMLE和MLE的强一致性进行分析。本文的目的是研究AMLE与MLE的强一致性的一般条件,并说明二者间的密切联系。     

舰炮可靠性的极大似然估计

通过舰炮的功能分析,将舰炮视为由二项型单元和指数单元构成的串联系统,在系统可靠性模型基础上,建立了系统可靠性修正极大似然估计方程,由此推导出利用单元可靠性信息计算系统可靠性的近似限通用公式。     

极大似然估计与最优化数值方法

本文研究了可靠性分析中基于不完全样本数据寿命分布参数的极大似然会计（MLE）的最优化数值解法，并且对威布尔（Weiull)分布和对数正态分布分别给出了具体的随机模拟计算结果。     

等式约束线性回归模型参数的极大似然估计

运用参数的极大似然估计法,给出了在约束条件Hβ=c下非齐次等式约束线性回归模型Y=Xβ+ε的参数β和σ2的极大似然估计,并讨论了估计参数的性质.利用得到的估计公式对模型的进一步研究和应用具有一定的理论和实际价值.     

截尾线性回归模型参数极大似然估计的存在性

工业统计中,常用到截尾线性回归模型,其未知参数估计通常用极大似然估计(Maximum Likeli-hood Estimates,MLE),但有时极大似然估计不一定存在.Silvapulle and Burridge只给出了该模型极大似然存在的一个充分必要条件,但未给出严格的证明.本文给出其严格的证明,并且给出仅有区间截尾的情形下参数极大似然估计存在的一个更简单的条件.     

截尾线性回归模型参数极大似然估计的EM算法

对区间截尾的线性回归模型,在误差服从正态分布的条件下,给出其基于似然方程的参数极大似然估计(Maximum Likelihood Estimate,MLE)的一般迭代算法,证明了EM算法与该一般迭代算法的一致性,由EM算法的性质保证了迭代的收敛性,证明了Murray Aitkin给出的右截尾数据回归模型参数MLE的EM算法是本文的一个特例以及EM算法收敛点的唯一性.     

基于极大似然估计的最优航迹融合方法

提出了一种航迹融合方法，在建立航迹融合数学模型的基础上，推导出了基于极大似然估计准则的航迹融合方法。该方法利用两种不同类型的传感器信息进行航迹融合，并且考虑了两传感器间的相关特性，它在极大似然估计准则下被认为是最优的航迹融合方法。最后给出了不同仿真条件下该航迹融合方法的仿真结果，从仿真结果可以看出，融合后的精度优于任何单一传感器的精度，并且融合间隔越小精度改善越明显，说明了该方法具有较高的融合精度，是可行和有效的。     

最优样本子集与和极大似然估计

将观测样本看成随机变量总体的一个子集，使这个子集发生的概率最大，从而导出了和极大似然估计原理，根据这一原理得到的估值具有最小估值偏差，比最小二乘估值的准确度高；当样本容量趋于无穷大时，估值必然地收敛于它的真值；天然地具有抗差性。     

双参数指数分布的信仰区间估计

用信仰推断方法，给出了双参数指数分布的门限参数弘和尺度参数盯的信仰区间估计，并与由枢轴量方法得到的置信区间估计进行了比较，说明在一般场合下，门限参数μ的信仰区间估计优于由枢轴量法得到的区间估计．     

极大似然估计的稳健改进

本文介绍了稳健统计的概念和M估计的稳健方法.极大似然估计常常是参数估计的最有效的方法,同时,极大似然估计常常是没有定量的稳健性,本文应用了M一估计对极大似然估计的稳健性进行了改进.