指數(shù)分布
- 定時(shí)截尾樣本下廣義逆指數(shù)分布參數(shù)的Bayes估計(jì)
引言廣義逆指數(shù)分布是Abouammoh和Alshingiti于2009年將廣義指數(shù)分布和逆指數(shù)分布結(jié)合后提出的一種新的分布[1]，它是逆指數(shù)分布的推廣，在工程和技術(shù)科學(xué)中有廣泛的應(yīng)用；且Krishna和Kumar（2013）[2]已經(jīng)通過實(shí)例證明在多數(shù)情況下廣義逆指數(shù)分布比指數(shù)分布、逆指數(shù)分布、Weibull分布、伽瑪分布有更好的適用性。近幾年國內(nèi)外很多學(xué)者開始研究這個(gè)分布的統(tǒng)計(jì)性質(zhì)，文獻(xiàn)[3]在逐步Ⅱ型截尾樣本下證明了廣義逆指數(shù)分布形狀參數(shù)的最大似然估
統(tǒng)計(jì)與決策 2023年15期2023-08-23
- 基于下記錄值的逆指數(shù)分布模型的Bayes估計(jì)
)0 引言逆指數(shù)分布是可靠性試驗(yàn)中一類重要的壽命分布,關(guān)于此分布的統(tǒng)計(jì)推斷問題受到諸多學(xué)者的關(guān)注。文獻(xiàn)[1]基于完全樣本,在復(fù)合LINEX損失下研究了逆指數(shù)分布模型參數(shù)的Bayes估計(jì),通過蒙特卡洛模擬對估計(jì)的優(yōu)良性進(jìn)行評估。文獻(xiàn)[2]在刻度平方誤差損失函數(shù)下討論了逆指數(shù)分布參數(shù)的Bayes估計(jì),通過隨機(jī)模擬方法說明了刻度參數(shù)對Bayes估計(jì)的影響。文獻(xiàn)[3]選取參數(shù)的先驗(yàn)分布為無信息先驗(yàn)分布,分別在平方損失、LINEX損失及熵?fù)p失下研究了逆指數(shù)分布參數(shù)的
黑龍江科學(xué) 2023年12期2023-08-11
- EM算法對不完全數(shù)據(jù)下指數(shù)分布的參數(shù)估計(jì)
全信息數(shù)據(jù)下指數(shù)分布的參數(shù)估計(jì)問題。指數(shù)分布是一種常用的連續(xù)型壽命函數(shù)，被廣泛應(yīng)用于檢測電子元件的使用壽命。文獻(xiàn)[1-3]探究了帶有缺失數(shù)據(jù)下指數(shù)分布的參數(shù)估計(jì)，這三篇文章從不同的數(shù)據(jù)類型，不同參數(shù)下的指數(shù)分布研究指數(shù)分布的參數(shù)估計(jì)；文獻(xiàn)[4-6]研究了左截?cái)嘤覄h失下不同分布多變點(diǎn)模型的Bayes估計(jì)，這三篇文章主要研究指數(shù)分布的貝葉斯估計(jì)；文獻(xiàn)[7]主要研究了帶有不完全信息的不同分布下的變點(diǎn)模型，作者主要研究其他分布下的不完全數(shù)據(jù)的參數(shù)估計(jì)問題；文獻(xiàn)[8
科技風(fēng) 2023年8期2023-04-03
- 排序集抽樣下定時(shí)截尾指數(shù)壽命數(shù)據(jù)的參數(shù)估計(jì)
在壽命試驗(yàn)中指數(shù)分布是一種非常重要的分布[7],基于RSS方法的指數(shù)分布參數(shù)的估計(jì)問題,已有一些文獻(xiàn)進(jìn)行了討論.Bhoj[8]提出用排序集樣本均值來估計(jì)指數(shù)分布參數(shù),并證明了其估計(jì)效率高于簡單隨機(jī)樣本均值.Zheng等[9]討論了RSS下指數(shù)分布參數(shù)的極大似然估計(jì)(MLE),但是其似然方程沒有顯式解.Shadid等[10]給出了RSS下指數(shù)分布參數(shù)的修正最優(yōu)線性無偏估計(jì),數(shù)值計(jì)算結(jié)果表明RSS方法的抽樣效率高于簡單隨機(jī)抽樣(SRS)方法.Chacko[11
- 正相關(guān)樣本下雙指數(shù)分布位置參數(shù)的經(jīng)驗(yàn)貝葉斯估計(jì)
分別討論了雙指數(shù)分布參數(shù)的EB檢驗(yàn)和估計(jì)問題，但在相關(guān)樣本下對雙指數(shù)分布的參數(shù)EB估計(jì)問題沒有進(jìn)行相關(guān)討論.在滲透理論、可靠性分析，以及某些多元分析等實(shí)際問題中，遇到的樣本多具有相關(guān)性，常見的有正相關(guān)(PA)、負(fù)相關(guān)(NA).因此,在樣本相關(guān)的情形下研究雙指數(shù)分布參數(shù)的EB估計(jì)問題是非常有意義的.本文基于“平方損失”PA樣本討論雙指數(shù)分布族數(shù)的EB估計(jì)，并構(gòu)造一個(gè)漸近最優(yōu)EB估計(jì)函數(shù)，在一定條件下獲得的EB估計(jì)為漸近最優(yōu)性，且收斂速度的階為O(n-(rs-
湖州師范學(xué)院學(xué)報(bào) 2021年10期2021-12-24
- NA樣本下雙指數(shù)分布位置參數(shù)的經(jīng)驗(yàn)Bayes估計(jì)①
分別討論了雙指數(shù)分布參數(shù)的EB檢驗(yàn)和估計(jì)問題,但是在相關(guān)樣本下雙指數(shù)分布的參數(shù)EB估計(jì)問題,據(jù)我所知,文中還沒有出現(xiàn),在滲透理論,可靠性分析,以及在某些多元分析等實(shí)際問題中,遇到的樣本多具有相關(guān)性,常見有正相關(guān)(PA),負(fù)相關(guān)(NA).因而,在樣本相關(guān)的情形下研究雙指數(shù)分布參數(shù)的EB估計(jì)問題是非常有意義的.在“平方損失”NA樣本下討論了雙指數(shù)分布族數(shù)的EB估計(jì),構(gòu)造一漸近最優(yōu)EB估計(jì)函數(shù),在一定條件下,獲得EB估計(jì)是漸近最優(yōu)性且收斂速度的階為O(n-(rs
- 基于Rényi熵的q-指數(shù)分布及其可靠性分析應(yīng)用
場景中，雖然指數(shù)分布模型已被較廣泛地用于建立系統(tǒng)壽命模型[1]，但由于指數(shù)分布的風(fēng)險(xiǎn)函數(shù)是恒定的，因此直接將指數(shù)分布用于描述系統(tǒng)壽命，存在無法描述損傷過程和無法準(zhǔn)確反映故障累積效果的問題，最典型的例子是將指數(shù)分布簡單應(yīng)用于描述人類死亡率和電子設(shè)備生命周期，效果不夠理想。對這類過程，通常需要采用具備浴盆特征的風(fēng)險(xiǎn)函數(shù)所對應(yīng)的壽命分布來準(zhǔn)確描述。韋伯分布作為指數(shù)分布的概括，以及它的帶有浴盆型風(fēng)險(xiǎn)函數(shù)的擴(kuò)展得到了重視，并被廣泛應(yīng)用于許多領(lǐng)域[2-4]。目前關(guān)于指
電子科技大學(xué)學(xué)報(bào) 2021年4期2021-08-04
- 無失效數(shù)據(jù)場合指數(shù)分布可靠度Bayes估計(jì)的改進(jìn)
從參數(shù)為λ的指數(shù)分布exp(λ),對應(yīng)分布函數(shù)為隨機(jī)抽取S個(gè)樣品，分為m組，分別進(jìn)行定時(shí)截尾試驗(yàn)，對應(yīng)截尾時(shí)間為ti(i=2,3,…,m),試驗(yàn)樣品數(shù)分別為ni,所有樣品在試驗(yàn)結(jié)束之前無一失效.由此，得到一組無失效數(shù)據(jù)(ti,ni).綜上，模型可做以下假設(shè)：1)當(dāng)t0=0時(shí)，產(chǎn)品的失效概率p0=P(T≤0)=F(0)=0；3)0=t0ti)為t=ti時(shí)的可靠度，則有0=p0文獻(xiàn)[8]中，取p2先驗(yàn)分布的核為(1-p2)2,利用指數(shù)分布的無記憶性和凸性得到R
內(nèi)江師范學(xué)院學(xué)報(bào) 2021年6期2021-07-07
- 隨機(jī)觀察時(shí)間對偶風(fēng)險(xiǎn)模型中的期望折現(xiàn)罰函數(shù)
付,當(dāng)收益為指數(shù)分布或混合指數(shù)分布時(shí)得到了明確的計(jì)算公式,并證明了在對偶模型中,最優(yōu)紅利界獨(dú)立于初始資本.[2]考慮了擴(kuò)散干擾對偶模型,分析了紅利界的最優(yōu)問題.[3]將經(jīng)典對偶風(fēng)險(xiǎn)模型推廣到廣義Erlang(n)對偶模型,得到了破產(chǎn)時(shí)間的明確表達(dá)式.[4]研究了帶利率的復(fù)合資產(chǎn)模型,得到了生存概率與破產(chǎn)概率的積分-微分方程.[5]討論了負(fù)風(fēng)險(xiǎn)和的更新風(fēng)險(xiǎn)模型的破產(chǎn)概率.考慮對偶風(fēng)險(xiǎn)模型其中u>0為初始資本,c>0表示單位時(shí)間的消費(fèi)支出,{S(t):t≥0}
- 基于Edgeworth展開指數(shù)分布平均壽命比率的統(tǒng)計(jì)推斷
產(chǎn)品壽命服從指數(shù)分布無替換定數(shù)截尾壽命試驗(yàn)的場合下，基于Edgeworth和Cornish-Fisher展開方法，得到了兩獨(dú)立總體平均壽命比率的精確漸近分布函數(shù)及置信區(qū)間。經(jīng)分析，所得的置信區(qū)間不僅適用于大樣本情況，而且對小樣本的估計(jì)效果尤為良好。摘要：指數(shù)分布;Edgeworth展開;平均壽命比率產(chǎn)品質(zhì)量是企業(yè)發(fā)展的關(guān)鍵因素之一，而產(chǎn)品壽命又是產(chǎn)品質(zhì)量的一個(gè)重要評價(jià)指標(biāo)。在企業(yè)生產(chǎn)的創(chuàng)新升級中，人們往往需要通過檢驗(yàn)產(chǎn)品的壽命是否發(fā)生改變來判斷生產(chǎn)改造的效
數(shù)碼世界 2020年8期2020-09-06
- 關(guān)于區(qū)間刪失的失效時(shí)間數(shù)據(jù)處理方法的分析
在總體分布為指數(shù)分布、等長區(qū)間刪失的情況下，對比分析了三種確定失效時(shí)間的方法。利用極大似然估計(jì)，通過MATLAB編程實(shí)現(xiàn)算法，得到關(guān)于總體的分布參數(shù)的點(diǎn)估計(jì)值和區(qū)間估計(jì)值，在文中定義的衡量準(zhǔn)則下，給出了實(shí)際應(yīng)用中選取適合方法的依據(jù)。關(guān)鍵詞：區(qū)間刪失? 指數(shù)分布? 參數(shù)估計(jì)? 區(qū)間估計(jì)中圖分類號：TB114.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X
科技創(chuàng)新導(dǎo)報(bào) 2020年17期2020-08-15
- 兩個(gè)獨(dú)立部件并聯(lián)系統(tǒng)的隨機(jī)序性質(zhì)
1)0 引言指數(shù)分布的無記憶性和良好的數(shù)學(xué)結(jié)構(gòu)，使得它在產(chǎn)品的可靠性分析、運(yùn)籌學(xué)等領(lǐng)域中被廣泛使用，如文獻(xiàn)[1]對指數(shù)分布的性質(zhì)和應(yīng)用進(jìn)行了較系統(tǒng)的研究。同時(shí)，由于成比例故障率(proportional hazard rate,PHR)模型可化為指數(shù)分布模型來研究，韋布爾分布模型是PHR模型的特殊情形，從而PHR模型和韋布爾分布模型的應(yīng)用及研究也受到學(xué)者們越來越多的關(guān)注，如文獻(xiàn)[2-3]在部件壽命服從PHR模型或韋布爾分布模型的前提下，討論了并聯(lián)系統(tǒng)的隨機(jī)
- 指數(shù)分布的現(xiàn)實(shí)意義
把概率論中的指數(shù)分布在現(xiàn)實(shí)中的意義更好的提高學(xué)生在概率論學(xué)習(xí)過程中對于各種概率分布的理解和應(yīng)用。關(guān)鍵詞：1：分布函數(shù) 2：指數(shù)分布：3：現(xiàn)實(shí)意義1.1引言近期來一直在上概率論與數(shù)理統(tǒng)計(jì)這門課，也遇到了很多校內(nèi)外督導(dǎo)的聽課，其中除去一小部分的專業(yè)類的老師外大部分人對于概率論的印象始終停留在古典概型和有大數(shù)定理這個(gè)名詞而已。概率論是一門非常貼合實(shí)際來源于現(xiàn)實(shí)又回歸現(xiàn)實(shí)的課程可是很多人都覺得它太枯燥，不值得花時(shí)間和精力去學(xué)習(xí)。所以我希望通過指數(shù)分布的現(xiàn)實(shí)意義讓我
青年生活 2019年21期2019-10-21
- 空空導(dǎo)彈壽命消耗問題研究
消耗近似服從指數(shù)分布，進(jìn)而計(jì)算出每型空空導(dǎo)彈的年度壽命消耗值。關(guān)鍵詞：導(dǎo)彈壽命;起落架次;掛飛;指數(shù)分布;MATLAB1.引言空空導(dǎo)彈隨戰(zhàn)機(jī)掛飛共同飛行的時(shí)間以及隨戰(zhàn)機(jī)起降的次數(shù)是衡量其工作壽命消耗兩個(gè)指標(biāo)。通過研究分析年度空空導(dǎo)彈隨戰(zhàn)機(jī)掛飛通電時(shí)間和它隨戰(zhàn)機(jī)起落的架次數(shù)，可以掌握空空導(dǎo)彈在這一年的時(shí)間里因送交外場值班產(chǎn)生的工作壽命消耗情況，結(jié)合空空導(dǎo)彈的壽命指標(biāo)，可以有效地預(yù)測空空導(dǎo)彈的使用年限。借助這一數(shù)據(jù)，可以為部隊(duì)制定更為有效的空空導(dǎo)彈動(dòng)用計(jì)劃[1
錦繡·上旬刊 2019年9期2019-10-21
- 基于MGF研究指數(shù)分布與其他分布之間的關(guān)系
8）一、引言指數(shù)分布是概率論與數(shù)理統(tǒng)計(jì)[2]中非常重要的一種分布類型，是分析和解決統(tǒng)計(jì)學(xué)問題中常用的工具之一,在概率論與數(shù)理統(tǒng)計(jì)研究中具有非常重要的實(shí)際應(yīng)用價(jià)值。近些年來，很多學(xué)者基于MGF深入研究統(tǒng)計(jì)學(xué)、代數(shù)學(xué)以及其他學(xué)科，并取得了很多顯著的成果[3][4][5].本文主要基于MGF的定義及性質(zhì)研究指數(shù)分布與其他幾種分布之間的內(nèi)在聯(lián)系，旨在進(jìn)一步介紹概率論中幾種特殊的分布，幫助學(xué)生在課堂之余豐富概率知識，并了解概率論的博大精深。首先給出MGF的定義及一些
綏化學(xué)院學(xué)報(bào) 2018年11期2018-11-23
- 混合指數(shù)分布的矩估計(jì)
1 引言混合指數(shù)分布是壽命分析中的重要統(tǒng)計(jì)模型.混合指數(shù)分布模型，廣泛應(yīng)用于生存分析、生物醫(yī)學(xué)統(tǒng)計(jì)、故障診斷、金融、可靠性分析等領(lǐng)域，受到統(tǒng)計(jì)學(xué)家和實(shí)際工作者的廣泛研究.關(guān)于混合指數(shù)模型國內(nèi)外已有很多研究，如Mc-Clean針對分組數(shù)據(jù)的混合指數(shù)分布的參數(shù)進(jìn)行估計(jì).Jones等研究了截尾數(shù)據(jù)下混合指數(shù)分布的貝葉斯估計(jì).朱利平等基于EM算法討論了完全數(shù)據(jù)和截尾數(shù)據(jù)下混合指數(shù)模型的參數(shù)估計(jì).趙亞林對單參數(shù)混合指數(shù)分布的參數(shù)估計(jì)方法進(jìn)行了相關(guān)探討.田玉柱等基于E
赤峰學(xué)院學(xué)報(bào)·自然科學(xué)版 2018年9期2018-10-18
- 基于EM算法的Marshall-Olkin二元指數(shù)分布的參數(shù)估計(jì)
0 引言多元指數(shù)分布在工業(yè)技術(shù)上有重要的應(yīng)用，基于不同的系統(tǒng)可靠性可以導(dǎo)出不同的多元指數(shù)分布形式。在眾多形式中，Marshall-Olkin多元指數(shù)分布[1]是一類唯一保持“無記憶性”特征的分布，其中二元隨機(jī)變量結(jié)構(gòu)更是被廣泛關(guān)注。Marshall-Olkin二元指數(shù)分布是既不被計(jì)數(shù)測度控制，又不被Lebesgue測度控制的分布[2]，并且與一元指數(shù)分布不同，Marshall-Olkin二元指數(shù)分布不屬于指數(shù)族，其概率密度函數(shù)具有奇異部分，標(biāo)準(zhǔn)的參數(shù)估計(jì)方
統(tǒng)計(jì)與決策 2018年16期2018-09-21
- 一種基于指數(shù)分布的飛行可靠性評定方法
，提出了基于指數(shù)分布的飛行可靠性評定方法，經(jīng)對比分析，該方法符合工程實(shí)際情況，評估結(jié)果更為可信?！娟P(guān)鍵詞】指數(shù)分布；可靠性；評定方法中圖分類號： U672 文獻(xiàn)標(biāo)識碼： A 文章編號： 2095-2457（2018）08-0134-002A Flight reliability Evaluation method based on exponential distributionPAN Dian-sheng LIU Zong-ang（Unit 91550，
科技視界 2018年8期2018-06-08
- 指數(shù)和高斯隨機(jī)粗糙表面光散射特性數(shù)值研究?
糙表面，而對指數(shù)分布隨機(jī)粗糙表面的散射特性研究較少，指數(shù)分布隨機(jī)粗糙表面適用于描述具有尖峰的不規(guī)則表面，通過對指數(shù)分布隨機(jī)粗糙表面的光散射性質(zhì)的研究，可以幫助我們了解這類表面的光學(xué)性質(zhì)。因此本文生成采用線性濾波法分別生成高斯分布和指數(shù)分布的隨機(jī)粗糙表面，采用矩量法數(shù)值計(jì)算兩類隨機(jī)表面的平均差分散射系數(shù)，對比兩類表面的光散射特性。2 隨機(jī)粗糙表面一般可認(rèn)為隨機(jī)粗糙表面高度可由許多不同頻率的諧波疊加而成，因此可采用線性濾波法來生成隨機(jī)粗糙面：先進(jìn)行頻域?yàn)V波，然
計(jì)算機(jī)與數(shù)字工程 2018年4期2018-04-26
- 伽瑪概率分布性質(zhì)研究
伽瑪分布與指數(shù)分布例1[1]：電子產(chǎn)品失效往往是因?yàn)橥饨绲臎_擊所引起，如果在(0,t)內(nèi)發(fā)生的沖擊次數(shù)N(t)服從參數(shù)為λt的泊松分布，則第n次沖擊來到的時(shí)間Sn服從Γ(n,λ).證明：因?yàn)槭录暗趎次沖擊來到的時(shí)間Sn小于等于t”等價(jià)于事件“(0,t)內(nèi)發(fā)生沖擊的次數(shù)N(t)大于等于n”，即{Sn≤t}={N(t)≥n}以(1,λ)為參數(shù)的Γ-分布，就是以λ為參數(shù)的指數(shù)分布，又在泊松過程中，等待n個(gè)“事件”發(fā)生所需的時(shí)間就服從參數(shù)為(n,λ)的Γ-分布
棗莊學(xué)院學(xué)報(bào) 2018年2期2018-03-08
- 銀行服務(wù)系統(tǒng)實(shí)證分析
布、服務(wù)服從指數(shù)分布，并計(jì)算出系統(tǒng)的服務(wù)強(qiáng)度，根據(jù)情況對銀行服務(wù)系統(tǒng)給出合理的建議。關(guān)鍵詞：銀行服務(wù)系統(tǒng)；假設(shè)檢驗(yàn)；泊松分布；指數(shù)分布中圖分類號：F27 文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2018.01.0271 引言在如今國民經(jīng)濟(jì)和金融市場高速發(fā)展的今天，人民的生活水平日漸提高，銀行的使用率也大幅提升。但是，與之緊密相關(guān)的銀行營業(yè)廳卻往往是人滿為患。吳國平等人指出只有通過設(shè)置、合理采用排隊(duì)服務(wù)系統(tǒng)，真正減少顧客等待
現(xiàn)代商貿(mào)工業(yè) 2018年1期2018-01-15
- 指數(shù)抽樣分布定理及三個(gè)期望之極小方差無偏估計(jì)的有效性比較
理.首先導(dǎo)出指數(shù)分布樣本最大值與樣本最小值之差的分布,并證明了樣本最大值與樣本最小值之差和樣本最小值相互獨(dú)立;然后導(dǎo)出指數(shù)分布樣本最大值與樣本均值之差的分布,并證明了樣本最大值與樣本均值之差和樣本最小值相互獨(dú)立.從而構(gòu)造出三個(gè)期望之極小方差無偏估計(jì),基于樣本均值與樣本最小值之差和樣本最小值構(gòu)造出的期望之極小方差無偏估計(jì),恰好是期望之一致最小方差無偏估計(jì);文末,在小樣本情景下,對上述三個(gè)期望之極小方差無偏估計(jì)作了有效性比較.指數(shù)抽樣分布定理;樣本最大值;差;
- 廣義逆指數(shù)分布元件的可靠性分析?
21）廣義逆指數(shù)分布元件的可靠性分析?邢務(wù)強(qiáng)（西安郵電大學(xué)，西安 710121）在II型混合截尾樣本下，得到了廣義逆指數(shù)分布未知參數(shù)的最大似然估計(jì)。利用最大似然估計(jì)的漸近正態(tài)性構(gòu)造了參數(shù)的漸近置信區(qū)間，運(yùn)用Lindley’s逼近方法和Tierney&Kadane’s逼近方法計(jì)算出了參數(shù)的Bayes估計(jì)。最后，運(yùn)用Monte-Carlo方法對上述估計(jì)方法結(jié)果作了模擬比較。廣義指數(shù)分布，最大似然估計(jì)，Bayes估計(jì)，II型混合截尾0 引言單參數(shù)指數(shù)分布是應(yīng)用最
火力與指揮控制 2017年7期2017-08-28
- 特征函數(shù)在概率論及數(shù)理統(tǒng)計(jì)中的簡單應(yīng)用
數(shù) 獨(dú)立性 指數(shù)分布 卡方分布1特征函數(shù)的定義設(shè)是一個(gè)隨機(jī)變量，稱， 為的特征函數(shù)。因?yàn)?，所以總是存在的，即任一隨機(jī)變量的特征函數(shù)總是存在的。特征函數(shù)只依賴于隨機(jī)變量的分布，分布相同則特征函數(shù)也相同，所以常稱為某分布的特征函數(shù)。2特征函數(shù)的應(yīng)用2.1指數(shù)分布的數(shù)學(xué)期望和方差已知隨機(jī)變量服從參數(shù)的指數(shù)分布，隨機(jī)變量的特征函數(shù)，，由此可得 ， 。用特征函數(shù)求指數(shù)分布的數(shù)學(xué)期望和方差， 要比從定義計(jì)算反常積分簡便不少。2.2 利用特征函數(shù)方法證明泊松定理證：設(shè)隨
科教導(dǎo)刊·電子版 2017年12期2017-06-19
- 雙參數(shù)指數(shù)分布的興趣參數(shù)的廣義置信區(qū)間
00)雙參數(shù)指數(shù)分布的興趣參數(shù)的廣義置信區(qū)間袁守成(普洱學(xué)院 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，云南 普洱665000)研究了雙參數(shù)指數(shù)分布的分位數(shù)和可靠度函數(shù)的廣義置信區(qū)間問題.首先利用廣義樞軸量給出2個(gè)興趣參數(shù)的廣義置信區(qū)間，并證明了在頻率意義下2個(gè)興趣參數(shù)的廣義置信區(qū)間具有實(shí)際的置信水平，最后通過實(shí)例對上述方法進(jìn)行了數(shù)值模擬，結(jié)果驗(yàn)證了該方法的有效性.雙參數(shù)指數(shù)分布； 廣義置信區(qū)間； 廣義樞軸量； Fiducial模型雙參數(shù)指數(shù)分布是一類應(yīng)用非常廣泛的分布，常常用于產(chǎn)
- 指數(shù)分布抽樣基本定理及在指數(shù)分布參數(shù)統(tǒng)計(jì)推斷中的應(yīng)用
5211)?指數(shù)分布抽樣基本定理及在指數(shù)分布參數(shù)統(tǒng)計(jì)推斷中的應(yīng)用李國安(寧波大學(xué)理學(xué)院，浙江寧波315211)發(fā)現(xiàn)指數(shù)分布抽樣基本定理，應(yīng)用到指數(shù)分布參數(shù)的統(tǒng)計(jì)推斷中，得到了指數(shù)分布參數(shù)的一致最小方差無偏估計(jì)；并且得到了單總體指數(shù)分布參數(shù)的置信區(qū)間及聯(lián)合置信區(qū)間，以及雙總體指數(shù)分布參數(shù)比值及差的置信區(qū)間.指數(shù)分布抽樣基本定理； 統(tǒng)計(jì)推斷； 一致最小方差無偏估計(jì)； 置信區(qū)間； 聯(lián)合置信區(qū)間1 引 言正態(tài)分布抽樣基本定理在一般的數(shù)理統(tǒng)計(jì)教材[1，2]中都會提到
大學(xué)數(shù)學(xué) 2016年5期2016-12-19
- FGM相依結(jié)構(gòu)下隨機(jī)變量關(guān)于最值的次指數(shù)性
相依結(jié)構(gòu)；次指數(shù)分布；最小值；最大值近年來，有關(guān)重尾分布的性質(zhì)及其在風(fēng)險(xiǎn)管理中的應(yīng)用研究受到廣泛的關(guān)注。統(tǒng)計(jì)學(xué)、排隊(duì)論等諸多領(lǐng)域次指數(shù)分布[1]作為一類重要的重尾分布，不僅有非常重要的理論意義，還有迫切的實(shí)際應(yīng)用價(jià)值。對于次指數(shù)分布來說，常見的有Weibull分布以及Lognormal分布，其中Weibull分布是可靠性分析及壽命檢驗(yàn)的理論基礎(chǔ)，Lognormal分布常為股票投資者分析判斷市場行情并做出預(yù)測提供重要依據(jù)。關(guān)于次指數(shù)分布在運(yùn)算下關(guān)于次指數(shù)族的
- 廣義指數(shù)分布順序統(tǒng)計(jì)量的分布性質(zhì)
017）廣義指數(shù)分布順序統(tǒng)計(jì)量的分布性質(zhì)李娟，范梓淼，周菊玲*（新疆師范大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，新疆 烏魯木齊 830017）文章在總體服從廣義指數(shù)分布時(shí)，抽取樣本X1，X2…，Xn，設(shè)X（1），X（2），…，X（n）為其順序統(tǒng)計(jì)量，研究了（X（1），X（2），…，X（n））的聯(lián)合概率密度函數(shù)；X（1）和X（n）的密度函數(shù)。進(jìn)而得到了X（1）和X（n）的數(shù)學(xué)期望和方差，證明X（1），X（2）-X（1），…，X（n）-X（n-1）不獨(dú)立且不同分布。廣義指數(shù)分布；
- 利用半離散型隨機(jī)變量分析指數(shù)分布
隨機(jī)變量分析指數(shù)分布張東（湖北警官學(xué)院 公共基礎(chǔ)課教學(xué)部，湖北 武漢 430034）離散與連續(xù)的關(guān)系是對立而又統(tǒng)一的，打破它們之間的界限，靈活地運(yùn)用離散和連續(xù)之間的轉(zhuǎn)換可以幫助更好地分析和理解數(shù)學(xué)問題．以概率論中指數(shù)分布為例，構(gòu)造了一個(gè)特殊的半離散型概率模型，從而使抽象的問題變得比較直觀，更容易理解．連續(xù)隨機(jī)變量；半離散型概率模型；指數(shù)分布在數(shù)學(xué)發(fā)展中，離散和連續(xù)是相互對立又相輔相成的[1-2]，人們常利用離散和連續(xù)的相互轉(zhuǎn)換來簡化和解決相關(guān)問題[3]．在
高師理科學(xué)刊 2016年1期2016-10-13
- 基于指數(shù)分布的隨機(jī)性平面曲線可視化研究
8000基于指數(shù)分布的隨機(jī)性平面曲線可視化研究盧 彪 佛山科學(xué)技術(shù)學(xué)院數(shù)控技術(shù)研究室，廣東佛山 528000指數(shù)分布常被用來描述世界上實(shí)體的壽命，從廣義上講，也可以用來描述能量的耗散。本文采用AutoCAD.NET的二次開發(fā)技術(shù)把二維平面點(diǎn)的可視化問題從非隨機(jī)點(diǎn)擴(kuò)展到隨機(jī)點(diǎn)，并使用指數(shù)分布嘗試模擬質(zhì)點(diǎn)運(yùn)動(dòng)軌跡中受到某場的作用而產(chǎn)生能量的耗散。指數(shù)分布；二維隨機(jī)平面點(diǎn)；可視化；AutoCAD.NET在以往的曲線的可視化的研究方面，大多數(shù)都集中在確定性的，隨機(jī)
科技傳播 2016年15期2016-09-02
- 一類并聯(lián)負(fù)載共享系統(tǒng)可靠性的研究*
元件壽命服從指數(shù)分布時(shí)系統(tǒng)在不同特殊情形下剩余壽命的性質(zhì)。關(guān)鍵詞：可靠性；負(fù)載共享；虛擬年齡；指數(shù)分布DOI10.3969/j.issn.1672-6375.2016.03.0050 引言可靠性是復(fù)雜系統(tǒng)重要的質(zhì)量指標(biāo)，電子工程鄰域常采用冗余技術(shù)提高系統(tǒng)的可靠性能［1］。一般在分析系統(tǒng)可靠性時(shí)，均假定系統(tǒng)中已失效元件對其他剩余工作元件的性能沒有影響，即元件的失效率不受其工作環(huán)境的影響。但實(shí)際中，這種假定并不合理，即系統(tǒng)中元件的相繼失效可使其他存活元件的失效
甘肅科技縱橫 2016年3期2016-08-27
- 某型空空導(dǎo)彈電子部件加速貯存壽命試驗(yàn)方法研究
;試驗(yàn)方法;指數(shù)分布;阿倫尼斯模型0引言空空導(dǎo)彈的貯存壽命是設(shè)計(jì)時(shí)根據(jù)工程實(shí)際預(yù)估的可靠性定量指標(biāo)，到壽即意味著導(dǎo)彈性能的下降、可靠性的降低、戰(zhàn)斗力的減弱。但導(dǎo)彈的日歷壽命到壽時(shí)其大部分組成部件并未或遠(yuǎn)未到壽，可能僅有個(gè)別零部件失效或性能降低?？湛諏?dǎo)彈是長期貯存、一次使用的產(chǎn)品，為了保證高的可靠性，貯存壽命指標(biāo)一般有一定的余量。因此，空空導(dǎo)彈到壽時(shí)，實(shí)際仍有一段“剩余的”可靠的貯存壽命。到壽的空空導(dǎo)彈如果立即全部報(bào)廢，將是巨大的浪費(fèi)。產(chǎn)品戰(zhàn)技指標(biāo)仍滿足作戰(zhàn)
航空兵器 2016年1期2016-06-21
- 不等定時(shí)截尾試驗(yàn)指數(shù)分布情形下的可靠性評定
定時(shí)截尾試驗(yàn)指數(shù)分布情形下的可靠性評定賈祥1, 王小林2, 郭波1(1.國防科技大學(xué)信息系統(tǒng)與管理學(xué)院, 湖南 長沙 410073;2. 78020部隊(duì), 云南 昆明 655000)摘要：針對產(chǎn)品的可靠性評估問題,一般需要統(tǒng)計(jì)分析壽命試驗(yàn)中收集到的試驗(yàn)數(shù)據(jù)。假如所有試驗(yàn)樣品都在不同時(shí)刻終止試驗(yàn),這種方式就是不等定時(shí)截尾壽命試驗(yàn)。針對不等定時(shí)截尾數(shù)據(jù),現(xiàn)有方法大多只能得到參數(shù)的點(diǎn)估計(jì),缺乏針對參數(shù)置信區(qū)間的估計(jì)方法。針對這一問題,在指數(shù)分布下,根據(jù)樣本空間排
系統(tǒng)工程與電子技術(shù) 2016年6期2016-06-21
- 公路橋梁車輛行駛間距研究*
行駛間距服從指數(shù)分布的性質(zhì)，并利用動(dòng)態(tài)稱重系統(tǒng)實(shí)測的大量自然行駛的車輛間距對其進(jìn)行了驗(yàn)證，認(rèn)為該性質(zhì)可用于橋梁的交通量適應(yīng)性評價(jià).將實(shí)測車輛以時(shí)間間隔3 s為界劃分為一般運(yùn)行狀態(tài)和密集運(yùn)行狀態(tài)，對比分析了其時(shí)間間隔和行駛間距的統(tǒng)計(jì)結(jié)果與我國規(guī)范修訂時(shí)的調(diào)查統(tǒng)計(jì)結(jié)果的差異，認(rèn)為以3 s為界的時(shí)間間隔不能完全劃分車輛的運(yùn)行狀態(tài)，應(yīng)以車輛的行駛間距進(jìn)行劃分.對比實(shí)測自然行駛車輛行駛間距的概率分布特征和一般運(yùn)行狀態(tài)下車輛行駛間距的理論概率分布特征發(fā)現(xiàn)：行駛間距小于
- 指數(shù)分布I型截尾簡單步進(jìn)應(yīng)力下帶隨機(jī)移走的優(yōu)化設(shè)計(jì)
在壽命分布為指數(shù)分布下，對I型截尾帶有隨機(jī)移走的試驗(yàn)施加簡單步進(jìn)應(yīng)力，采用最大似然估計(jì)對不同應(yīng)力的參數(shù)進(jìn)行估計(jì)，以應(yīng)力變化時(shí)間點(diǎn)為優(yōu)化變量，正常應(yīng)力下壽命參數(shù)估計(jì)的漸近方差最小為優(yōu)化目標(biāo)，找到最優(yōu)的應(yīng)力變化點(diǎn)。最后，以一模擬數(shù)據(jù)建模進(jìn)行數(shù)據(jù)分析?！娟P(guān)鍵詞】加速壽命；指數(shù)分布；I型截尾；隨機(jī)移走；簡單步進(jìn)；漸近方差1、前言隨著科技的進(jìn)步，產(chǎn)品的壽命有了極大提高，傳統(tǒng)壽命試驗(yàn)顯得力不從心，在此背景下，加速壽命試驗(yàn)應(yīng)運(yùn)而生，并且越來越受到人們的關(guān)注。國內(nèi)外許多學(xué)
科技與企業(yè) 2016年2期2016-05-30
- 泊松分布與指數(shù)分布之間的關(guān)系及簡單應(yīng)用
泊松分布、指數(shù)分布是概率論中較常見的分布，在實(shí)際生活中有著廣泛的應(yīng)用.本文結(jié)合實(shí)例給出了它們之間的關(guān)系.關(guān)鍵詞： 泊松分布 指數(shù)分布 時(shí)間間隔1.兩種分布的定義1.1泊松分布泊松分布、指數(shù)分布可以從同一個(gè)隨機(jī)過程的不同角度來描述，兩種分布的結(jié)合在實(shí)際生活中有著廣泛的應(yīng)用.參考文獻(xiàn)：[1]李子強(qiáng).概率論與數(shù)理統(tǒng)計(jì)教程.科學(xué)出版社，2012：53-54.[2]龔光魯.概率論與數(shù)理統(tǒng)計(jì).清華大學(xué)出版社，2007：103-104.
考試周刊 2016年18期2016-04-14
- 基于零失效數(shù)據(jù)的指數(shù)分布可靠性綜合評估*
零失效數(shù)據(jù)的指數(shù)分布可靠性綜合評估*于錄曲寶忠(92941部隊(duì)葫蘆島125000)摘要武備可靠性試驗(yàn)鑒定中,有時(shí)會出現(xiàn)零失效數(shù)據(jù)的情形,直接應(yīng)用零失效數(shù)據(jù)檢驗(yàn)、評估指數(shù)產(chǎn)品可靠性,可能會造成評估結(jié)果“冒進(jìn)”。針對這個(gè)現(xiàn)象,提出引進(jìn)失效信息,綜合加權(quán)處理,評定產(chǎn)品的可靠性。并通過實(shí)例,驗(yàn)證了引進(jìn)失效信息綜合加權(quán)評定零失效數(shù)據(jù)的指數(shù)型產(chǎn)品可靠性,評定結(jié)果客觀、科學(xué),易于被雙方共同接受。關(guān)鍵詞零失效; 指數(shù)分布; 可靠性; 失效信息; 評估Comprehensi
艦船電子工程 2016年2期2016-03-15
- 二元Weinman型指數(shù)分布隨機(jī)變量之和、差、積、商及比率的分布
inman型指數(shù)分布隨機(jī)變量之和、差、積、商及比率的分布李國安(寧波大學(xué)理學(xué)院，浙江寧波315211)[摘要]出于水文科學(xué)應(yīng)用的需要，本文導(dǎo)出了二元Weinman型指數(shù)分布隨機(jī)變量之和、差、及比率的精確分布；計(jì)算了二元Weinman型指數(shù)分布隨機(jī)變量之積、及商的精確分布，所得結(jié)果可應(yīng)用于水文科學(xué)的教學(xué)和研究之中.[關(guān)鍵詞]二元Weinman型指數(shù)分布； 和； 積； 比率； 水文科學(xué)1引言Weinman[1]于1966年引入了如下的二元指數(shù)分布它是所有不獨(dú)立
大學(xué)數(shù)學(xué) 2015年5期2016-01-28
- 指數(shù)分布參數(shù)的E-Bayes方法
55049)指數(shù)分布參數(shù)的E-Bayes方法李億民(山東理工大學(xué)理學(xué)院， 山東淄博255049)摘要：基于指數(shù)分布定時(shí)截尾壽命試驗(yàn)，給出了失效率λ的E-Bayes估計(jì).研究了在超參數(shù)取不同密度函數(shù)時(shí)λ的E-Bayes估計(jì)之間的關(guān)系和收斂速度以及估計(jì)量關(guān)于超參數(shù)的穩(wěn)健性，并通過實(shí)例，給出了不同超參數(shù)下失效率λ和可靠度R(t)的計(jì)算結(jié)果．關(guān)鍵詞：指數(shù)分布；先驗(yàn)分布；超參數(shù)；失效率；E-Bayes估計(jì)對于指數(shù)分布的定數(shù)截尾壽命試驗(yàn)，已經(jīng)有了比較成熟的處理方法[1
- 差分與極差的分布函數(shù)
合均勻分布和指數(shù)分布，給出了均勻分布和指數(shù)分布下，差分與極差的分布函數(shù)。關(guān)鍵詞：差分；極差；分布函數(shù)；均勻分布；指數(shù)分布收稿日期:2014-11-20基金項(xiàng)目:四川民族學(xué)院科研項(xiàng)目(XYZB14004)作者簡介:文小波(1986-),男,四川綿陽人,助教,碩士,主要從事Bayes統(tǒng)計(jì)方面研究。中圖分類號：O212.1文獻(xiàn)標(biāo)志碼：A1差分的概念在統(tǒng)計(jì)學(xué)中，樣本來自于總體，樣本中含有總體的信息，但所含信息比較分散，為了較好的利用樣本中所含的總體信息，需要利用樣
長春大學(xué)學(xué)報(bào) 2015年2期2015-12-26
- 在分組數(shù)據(jù)情形下對廣義指數(shù)分布的參數(shù)估計(jì)
情形下對廣義指數(shù)分布的參數(shù)估計(jì)張 莉(西華師范大學(xué)數(shù)學(xué)與信息學(xué)院,四川 南充 637009)由于種種原因，人們無法隨時(shí)跟蹤所有產(chǎn)品，獲悉其精確失效時(shí)刻．于是，在預(yù)先設(shè)定的時(shí)刻，對試驗(yàn)產(chǎn)品進(jìn)行定時(shí)觀察，就能獲得部分產(chǎn)品的失效信息，這樣得到的失效數(shù)據(jù)即分組數(shù)據(jù)．本文應(yīng)用TFR模型，討論了當(dāng)失效數(shù)據(jù)為分組數(shù)據(jù)時(shí)，廣義指數(shù)分布在多步步加試驗(yàn)下的參數(shù)估計(jì)，并通過數(shù)據(jù)模擬說明了方法的有效性．廣義指數(shù)分布；TFR模型；多步步加試驗(yàn)；分組數(shù)據(jù)廣義指數(shù)分布于1999年被Gu
- 廣義指數(shù)分布在步加試驗(yàn)中的參數(shù)估計(jì)
000）廣義指數(shù)分布在步加試驗(yàn)中的參數(shù)估計(jì)張莉 （西華師范大學(xué)數(shù)學(xué)與信息學(xué)院，四川南充637000）加速壽命試驗(yàn)中的步加試驗(yàn)，可有效地提高產(chǎn)品質(zhì)量，且操作簡單.基于Nelson模型，討論廣義指數(shù)分布在步加試驗(yàn)中的參數(shù)估計(jì)問題，利用EM算法給出了參數(shù)估計(jì)的顯性表達(dá)式，通過數(shù)據(jù)模擬說明了估計(jì)方法的有效性和可行性.廣義指數(shù)分布；分組數(shù)據(jù)；步加試驗(yàn)；Nelson模型Zhang L.Parameter Estimation ofGeneralized Exponen
宜賓學(xué)院學(xué)報(bào) 2015年6期2015-01-01
- 廣義指數(shù)分布在TFR模型中的參數(shù)估計(jì)
000）廣義指數(shù)分布在TFR模型中的參數(shù)估計(jì)張莉（西華師范大學(xué)數(shù)學(xué)與信息學(xué)院，四川南充637000）廣義指數(shù)分布是應(yīng)用非常廣泛的一種分布，近年對該分布的討論主要是常規(guī)壽命試驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)分析方法，研究重點(diǎn)是參數(shù)的點(diǎn)估計(jì).但基于不完全樣本、應(yīng)用TFR模型、探討廣義指數(shù)分布在步加試驗(yàn)中的參數(shù)估計(jì)的文獻(xiàn)卻很少見.對此，利用EM算法給出了參數(shù)估計(jì)的顯性表達(dá)式，并通過數(shù)據(jù)模擬說明了估計(jì)方法的可行性.廣義指數(shù)分布；TFR模型；簡單步加試驗(yàn)；EM算法廣義指數(shù)分布是應(yīng)用非常
宜賓學(xué)院學(xué)報(bào) 2014年12期2014-07-20
- 區(qū)域?qū)Ш郊夹g(shù)下的平行航路側(cè)向重疊概率的研究
其次，利用雙指數(shù)分布和分離的雙指數(shù)分布對區(qū)域?qū)Ш郊夹g(shù)下的平行航路側(cè)向重疊概率進(jìn)行了計(jì)算；最后，通過仿真比較來確定最適合區(qū)域?qū)Ш较碌钠叫泻铰穫?cè)向重疊概率的計(jì)算方法。結(jié)果表明，用分離的雙指數(shù)分布描述大偏航密度函數(shù)所得的側(cè)向重疊概率更接近于實(shí)際情況。區(qū)域?qū)Ш剑粋?cè)向重疊概率；分離的雙指數(shù)分布；平行航路基于性能導(dǎo)航（PBN）為代表的空管新技術(shù)，是建設(shè)新一代國家航空運(yùn)輸系統(tǒng)的核心技術(shù)之一，可以有效提高飛行安全水平，增大空域容量，保障航空運(yùn)行正常。目前，我國民航在大力推
實(shí)驗(yàn)科學(xué)與技術(shù) 2014年5期2014-06-05
- 定時(shí)截尾情形下指數(shù)分布參數(shù)的估計(jì)
[1-5].指數(shù)分布是可靠性壽命試驗(yàn)中的基本分布之一.關(guān)于指數(shù)分布總體的統(tǒng)計(jì)推斷問題,無論是完全數(shù)據(jù)還是缺失數(shù)據(jù),一直都吸引著統(tǒng)計(jì)工作者對其進(jìn)行研究[6-10].文獻(xiàn)[6] 給出了部分缺失數(shù)據(jù)情形下指數(shù)分布總體的參數(shù)估計(jì)和檢驗(yàn);文獻(xiàn)[7] 給出了指數(shù)分布總體在定時(shí)截尾和數(shù)據(jù)缺失場合下參數(shù)極大似然估計(jì);文獻(xiàn)[8]給出了定數(shù)截尾缺失數(shù)據(jù)場合指數(shù)分布參數(shù)Bayes估計(jì).本文對于定時(shí)截尾情形指數(shù)總體的參數(shù)極大似然估計(jì)及其性質(zhì)做了進(jìn)一步的討論,給出了指數(shù)總體參數(shù)的極
- 定時(shí)截尾情形下指數(shù)分布參數(shù)的估計(jì)
時(shí)截尾情形下指數(shù)分布參數(shù)的估計(jì)劉銀萍，張雨嫡，秦 青(吉林師范大學(xué) 數(shù)學(xué)學(xué)院,吉林 四平 136000)本文討論了定時(shí)截尾情形下指數(shù)分布參數(shù)的極大似然估計(jì)問題，證明了估計(jì)的強(qiáng)相合性和漸近正態(tài)性,給出了估計(jì)的進(jìn)一步的漸近性質(zhì).其結(jié)果對于其它的總體分布的參數(shù)估計(jì)具有普遍的現(xiàn)實(shí)意義．定時(shí)截尾;極大似然估計(jì)；極限分布指數(shù)分布是可靠性壽命試驗(yàn)中的基本分布之一.關(guān)于指數(shù)分布總體的統(tǒng)計(jì)推斷問題,無論是完全數(shù)據(jù)還是缺失數(shù)據(jù),一直都吸引著統(tǒng)計(jì)工作者對其進(jìn)行廣泛的研究[1-2
- 索賠額服從混合指數(shù)分布的破產(chǎn)概率及其漸近估計(jì)
賠額服從混合指數(shù)分布的破產(chǎn)概率及其漸近估計(jì)許璐1，趙聞達(dá)2，余茜茜1（1.江漢大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，湖北 武漢 430056；2.明尼蘇達(dá)大學(xué)雙城分校 數(shù)學(xué)系，美國 明尼蘇達(dá)州 55414）運(yùn)用古典概率論的有關(guān)知識，針對個(gè)體索賠額服從混合指數(shù)分布的破產(chǎn)概率問題，通過建立合適的數(shù)學(xué)模型導(dǎo)出了它的最終破產(chǎn)概率的顯式表達(dá)式，并得到了它的漸近估計(jì). 所得結(jié)果包含了現(xiàn)有文獻(xiàn)的相關(guān)結(jié)論.混合指數(shù)分布；最終破產(chǎn)概率；漸近估計(jì)；顯式解文獻(xiàn)[1-2]利用計(jì)算機(jī)技術(shù)對一
- 加權(quán)p，q對稱熵?fù)p失下一類指數(shù)分布族的Bayes估計(jì)
熵?fù)p失下一類指數(shù)分布族的Bayes估計(jì)王蘭（中國礦業(yè)大學(xué)理學(xué)院，江蘇徐州 221116）在一種新的加權(quán)p，q對稱熵?fù)p失函數(shù)下，研究了一類指數(shù)分布族參數(shù)的Bayes估計(jì)及其可容許性，得到了可靠度的Bayes估計(jì)的一般形式與精確形式，并討論了一類形如cT+d的Bayes估計(jì)的可容許性.加權(quán)p，q對稱熵?fù)p失函數(shù)；Bayes估計(jì)；可容許性1 引言在現(xiàn)代生產(chǎn)、生活中越來越多的產(chǎn)品要求可靠性指標(biāo)，為此我們需要對產(chǎn)品進(jìn)行可靠性測試.然而指數(shù)分布在排隊(duì)論和可靠性理論中有著
常熟理工學(xué)院學(xué)報(bào) 2013年4期2013-03-17
- 指數(shù)分布具有耐抗性質(zhì)的參數(shù)估計(jì)①
36000)指數(shù)分布是壽命試驗(yàn)和可靠性理論中最常用的分布，相關(guān)的統(tǒng)計(jì)推斷理論也一直是統(tǒng)計(jì)學(xué)家關(guān)心的問題(參見文獻(xiàn)［1 ～3］). 以往文獻(xiàn)中得到的關(guān)于指數(shù)分布參數(shù)的估計(jì)量對于數(shù)據(jù)的局部不良行為反應(yīng)比較敏感，也就是說不具有耐抗性. 具有耐抗性的統(tǒng)計(jì)量，當(dāng)部分?jǐn)?shù)據(jù)改變，即使這一部分?jǐn)?shù)據(jù)與原來的數(shù)據(jù)差別很大，結(jié)果也不會有太大的改變.耐抗方法重視數(shù)據(jù)的主體部分，而不重視數(shù)據(jù)當(dāng)中的離群值. 分位數(shù)是耐抗統(tǒng)計(jì)量，但樣本均值和樣本方差卻都不是. 眾所周知，再好的數(shù)據(jù)也難
- 指數(shù)分布與幾何分布的條件可加性
55000）指數(shù)分布與幾何分布的條件可加性何朝兵（安陽師范學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，河南安陽 455000）首先證明了獨(dú)立指數(shù)分布隨機(jī)變量之和的一個(gè)條件分布是指數(shù)分布，然后證明了獨(dú)立幾何分布隨機(jī)變量的一個(gè)線性組合的一個(gè)條件分布是幾何分布.指數(shù)分布;幾何分布;相互獨(dú)立;條件分布;可加性指數(shù)分布不但在電子元器件方面得到了普遍使用，而且可靠性工程和排隊(duì)論的豐富實(shí)踐又使人們加深了對指數(shù)分布性質(zhì)的認(rèn)識.幾何分布已經(jīng)應(yīng)用于越來越多的領(lǐng)域，特別是在信息工程、電子工程、控制論以
- 幾何分布的幾個(gè)性質(zhì)
，有的性質(zhì)與指數(shù)分布相對應(yīng)的性質(zhì)有區(qū)別但又相似.幾何分布；順序統(tǒng)計(jì)量；性質(zhì)；指數(shù)分布性幾何分布已經(jīng)應(yīng)用到越來越多的領(lǐng)域中，特別是在信息工程，電子工程，控制論以及經(jīng)濟(jì)學(xué)等領(lǐng)域中都占有極其重要的地位.Ferguson[1]在1067年首次提出用順序統(tǒng)計(jì)量來刻劃幾何分布的特征，文獻(xiàn)[2-11]對此又作了進(jìn)一步的分析研究.指數(shù)分布在可靠性統(tǒng)計(jì)推斷中有著十分重要的地位，具有許多重要性質(zhì)[12-15].雖然幾何分布和指數(shù)分布都具有“無記憶性”，但由于它們的個(gè)性差異，導(dǎo)
- 獨(dú)立指數(shù)分布卷積的矩的計(jì)算
029）獨(dú)立指數(shù)分布卷積的矩的計(jì)算丁 勇（南京醫(yī)科大學(xué)數(shù)學(xué)教研室，南京 210029）求和；指數(shù)分布；矩1 引 言矩是隨機(jī)變量的重要數(shù)字特征.對于隨機(jī)變量X，若E（Xr）存在，則稱它為X的r階原點(diǎn)矩；若E（［X－E（X）］r）存在，則稱它為X的r階中心矩.一階原點(diǎn)矩即為數(shù)學(xué)期望，二階中心矩即為方差，而偏度與峰度則與三階、四階矩有關(guān)［1］，利用各階矩可對隨機(jī)變量分布的參數(shù)進(jìn)行估計(jì).近年來，高階矩在其它領(lǐng)域的應(yīng)用日益廣泛［2－6］.高階矩計(jì)算量大，找到簡便計(jì)算
大學(xué)數(shù)學(xué) 2012年4期2012-11-02
- k階Erlang分布的Pearson-χ2距離
間分布，它與指數(shù)分布有密切的關(guān)系。若X1，X2，…，Xk是一列獨(dú)立的隨機(jī)變量，且都服從指數(shù)分布E(μ)，則隨機(jī)變量T=X1+X2+…+Xk具有概率密度:稱T服從參數(shù)為μ的k階Erlang分布。文獻(xiàn)［5］中給出了兩個(gè)指數(shù)分布之間的Pearson-χ2最大距離。本文著重討論兩個(gè)k階Erlang分布的Pearson-χ2距離和Pearson-χ2最大距離，并與兩個(gè)指數(shù)分布之間的Pearson-χ2距離進(jìn)行比較。1 相關(guān)定義及引理定義1 設(shè)隨機(jī)變量X、Y分別具有密
淮陰工學(xué)院學(xué)報(bào) 2012年3期2012-06-08
- 串聯(lián)系統(tǒng)的備件配置方法
串聯(lián)系統(tǒng)，除指數(shù)分布外，其它幾種典型分布如威布爾分布、正態(tài)分布等的備件預(yù)測模型較為復(fù)雜，導(dǎo)致在部件數(shù)目較多的情況下，模型的建立與求解過程都比較復(fù)雜，求解困難。為方便計(jì)算，經(jīng)典的方法是在任務(wù)時(shí)間小于部件平均壽命時(shí)，假設(shè)每個(gè)部件任務(wù)期間最多只發(fā)生一次或兩次故障，然后采用狀態(tài)枚舉和概率統(tǒng)計(jì)的方法推導(dǎo)得出備件需求量的解析表達(dá)式，從而得到近似的結(jié)果[1，4]，雖然結(jié)果與實(shí)際較為接近，但不能進(jìn)行全壽命的備件預(yù)測，具有很大的局限性。針對不同壽命分布類型不可修部件組成的串
電子產(chǎn)品可靠性與環(huán)境試驗(yàn) 2012年5期2012-06-03
- W eibull分布更新函數(shù)的指數(shù)近似算法
命相等情況下指數(shù)分布與Weibull分布之間的貼近性.在此基礎(chǔ)上，提出利用指數(shù)分布的更新函數(shù)模型計(jì)算Weibull分布的更新函數(shù)，能夠比較方便有效地得到近似解.通過實(shí)例計(jì)算，分別比較了指數(shù)方法(直接利用指數(shù)分布的更新函數(shù))、線性加權(quán)模型以及幾何加權(quán)模型等三種方法的精度.結(jié)果表明:當(dāng)時(shí)間較短時(shí)，線性加權(quán)和幾何加權(quán)模型比指數(shù)方法精確度有所提高;當(dāng)時(shí)間較長時(shí)，幾何加權(quán)模型的精度較高.利用該結(jié)論能夠?yàn)楣こ虘?yīng)用提供方便.更新函數(shù);指數(shù)近似;線性加權(quán);幾何加權(quán)更新過程
北京航空航天大學(xué)學(xué)報(bào) 2012年6期2012-03-15
- 指數(shù)分布與其它分布的關(guān)系
24000）指數(shù)分布與其它分布的關(guān)系劉國祥（赤峰學(xué)院 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，內(nèi)蒙古 赤峰 024000）從指數(shù)分布的特征出發(fā)，通過了討論討論指數(shù)分布與其它分布的關(guān)系，從而體現(xiàn)了指數(shù)分布在概率統(tǒng)計(jì)中的作用.概率統(tǒng)計(jì)；指數(shù)分布；正態(tài)分布；均勻分布；幾何分布正態(tài)分布、均勻分布、指數(shù)分布是最常用的三個(gè)連續(xù)型分布.由于正態(tài)分布和均勻分布具有明顯的集合直觀，常見并且易于理解的現(xiàn)實(shí)模型，因此在教材[1，2]和文獻(xiàn)中對于它們的討論都比較詳細(xì).而關(guān)于指數(shù)分布的討論相對就比較少[3
- 基于指數(shù)分布的隨機(jī)變量函數(shù)的獨(dú)立性
035）基于指數(shù)分布的隨機(jī)變量函數(shù)的獨(dú)立性項(xiàng)海飛（溫州職業(yè)技術(shù)學(xué)院公共教學(xué)部，浙江溫州 325035）從指數(shù)分布的定義出發(fā)，根據(jù)連續(xù)型隨機(jī)變量相互獨(dú)立的充分必要條件，探討一系列建立在服從指數(shù)分布的隨機(jī)變量基礎(chǔ)上的隨機(jī)變量函數(shù)的獨(dú)立性。結(jié)果表明，當(dāng)母體服從指數(shù)分布時(shí)，子樣次序統(tǒng)計(jì)量構(gòu)成的隨機(jī)變量函數(shù)相互獨(dú)立，且這些隨機(jī)變量所構(gòu)成的線性函數(shù)與任一分式線性函數(shù)之間相對獨(dú)立。指數(shù)分布；獨(dú)立性；隨機(jī)變量函數(shù)0 引 言指數(shù)分布是一種常用的連續(xù)型概率分布，可用來表示獨(dú)立
- 雙參數(shù)指數(shù)分布參數(shù)的最短區(qū)間估計(jì)
01)雙參數(shù)指數(shù)分布參數(shù)的最短區(qū)間估計(jì)周世國, 張新育, 蘇 慶(鄭州大學(xué)數(shù)學(xué)系 河南鄭州450001)研究了雙參數(shù)指數(shù)分布的區(qū)間估計(jì)方法.首先討論了當(dāng)其中一參數(shù)為已知,而另一參數(shù)未知時(shí),雙參數(shù)指數(shù)分布尺度參數(shù)基于選定樞軸變量的最短區(qū)間估計(jì)方法;然后討論了兩參數(shù)均未知的情況下,參數(shù)的最短置信區(qū)間估計(jì)方法.雙參數(shù)指數(shù)分布;區(qū)間估計(jì);最短置信區(qū)間0 引言未知參數(shù)最短置信區(qū)間的估計(jì)問題實(shí)際上是一個(gè)條件極值問題,可以被轉(zhuǎn)化為一個(gè)方程組,從而可用數(shù)值計(jì)算的方法迭代求
鄭州大學(xué)學(xué)報(bào)（理學(xué)版） 2010年3期2010-09-07
- 基于定數(shù)截尾數(shù)據(jù)指數(shù)分布參數(shù)的最短區(qū)間估計(jì)
定數(shù)截尾數(shù)據(jù)指數(shù)分布參數(shù)的最短區(qū)間估計(jì)王玉芳（荊楚理工學(xué)院 數(shù)理學(xué)院，湖北 荊門 448000）根據(jù)定數(shù)截尾數(shù)據(jù)，給出了參數(shù)的常用區(qū)間估計(jì)和最短區(qū)間估計(jì)，另外，還介紹了最短區(qū)間估計(jì)的求法。定數(shù)截尾數(shù)據(jù)；指數(shù)分布；最短區(qū)間估計(jì)1 引言指數(shù)分布是壽命試驗(yàn)中常見的分布之一，其重要性首先在于，現(xiàn)實(shí)中許多樣本的壽命都服從指數(shù)分布；其次，由于它的參數(shù)的點(diǎn)估計(jì)和區(qū)間估計(jì)易于得到，并且由指數(shù)分布可以派生出Γ分布、x2分布、F分布，這些分布的統(tǒng)計(jì)理論較為成熟。本文首先給出定
梧州學(xué)院學(xué)報(bào) 2010年3期2010-08-29