对数位置尺度分布族的区间估计

来源 :浙江工商大学 | 被引量 : 0次 | 上传用户:wdynamic
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在可靠性研究中,对数位置尺度分布族因其一般性而成为产品寿命分布族中的一类重要分布。目前虽然有很多学者对这一类分布的统计推断问题进行了研究,但是在分布参数的区间估计方面尚存在一些不易解决的问题,例如对产品在使用过程中某一时刻可靠度的区间估计。与以往的大样本区间估计方法不同,本文采用Weerahandi提出的广义推断方法,在更符合实际问题的逐次定数截尾寿命试验下对对数位置尺度分布族的参数进行区间估计。首先在一般的逐次定数截尾寿命试验下,注意到对数位置尺度分布族和位置尺度分布族之间的对数关系,于是利用位置尺度分布族中参数的同变估计来构造出位置参数μ、尺度参数σ的新的广义枢轴量,并进行理论证明。然后,我们将参数μ与σ的广义枢轴量代回对数位置尺度分布族中,由此解出对数位置尺度分布族中兴趣参数的广义枢轴量。接着将得出的理论成果分别应用在Weibull分布、对数正态分布以及对数Logistic分布这三个具体的场合,分别解出均值、可靠度函数以及分位数的广义枢轴量。而对可靠度函数、下侧0.1分位数这两个可靠性指标的数值模拟说明在一般逐次定数截尾试验下本文的广义区间估计方法是可行的。最后用文献中的实例进行对比说明,结果也证明了本文所提出的区间估计是有效的。其次,在恒定应力加速逐次定数截尾寿命试验下,研究对数位置尺度分布族中相应参数的广义区间估计。首先在恒加逐次定数截尾寿命试验的假设下,我们推导出位置尺度分布族中加速方程的系数a、b以及尺度参数σ的广义枢轴量,并且对结论加以证明。接着通过加速方程求出正常应力水平下位置参数的广义枢轴量,继而解出在正常应力水平下对数位置尺度分布族中兴趣参数的广义枢轴量。最后,将理论落实到Weibull分布、对数正态分布以及对数Logistic分布这三个场合中,而对可靠度函数、下侧0.1分位数的数值模拟结果充分说明了本文所提出的区间估计方法在恒加逐次定数截尾试验下效果很好。
其他文献
学位
学位
随着硬件设备和技术的发展,深度学习方法在计算机视觉、生物、工程等领域取得了显著的成绩,也逐渐成为医学图像处理领域中的主流方法。其中,基于眼底图像数据的视网膜血管分割由于其在辅助诊断糖尿病视网膜病变、青光眼等疾病中起到的重要作用,而逐渐成为医学领域研究的热点。但是,视网膜血管数据往往存在数据量稀少、图像对比度低和血管粗细分布不均等问题使得进行准确快速的视网膜血管分割非常具有挑战性。因此,本文基于深度
学位
创新作为经济增长的内生动力,是造成区域间差异的主要原因。因此在实现全国技术创新能力稳步增长的同时,逐步减少区域间技术能力差异,可以有效促进经济快速增长。然而改革开放以来,中国在实现经济增长“数”的飞跃的背后,是环境“质”的下滑,气候变暖、空气质量变差、能源不足、土地盐碱化等生态环境问题接踵而至。由此可见,在新常态背景下,绿色低碳发展已经逐渐成为促进经济增长与环境保护协调发展的重要抓手。而绿色创新在
学位
近年来,随着地物观测技术不断发展,遥感图像分辨率在空间、光谱、时间以及辐射等角度不断提升,人们很容易获得高分辨率的遥感图像。从这些高分辨率遥感图像中获取到的信息在农业监测、地质勘探以及军事侦察等领域具有重大应用价值。随着计算机技术的进步,基于深度神经网络的高分辨率遥感目标检测逐渐成为挖掘遥感图像有效信息的重要研究方向之一。然而,高分辨率图像目标尺度差异大、特征差异小、特征辨识度低、背景多样等复杂的
学位
对商品价值和用户价值的分析在如今大数据时代能够帮助电商平台和商家制定有效的营销手段以提升其商业表现,且随着有关推荐系统研究的发展,平台能够根据历史交易数据对用户进行个性化推荐以提升用户的转化率,进而提升企业营业水平。本文为了商品和用户的价值评估,分别提取了基于商品和基于用户的一系列特征。对于商品的价值评估,本文对获得的特征进行主成分分析降维,并运用K-Means++和DBSCAN聚类算法探索对商品
学位
高光谱图像分类是一种根据空间和光谱信息识别地物类别的技术,被广泛应用于环境监测、地质勘探等领域。除此之外,高光谱图像分类在诸如农业等民用场景也有着较大潜力。然而高光谱图像具有大数据量、标注稀缺、不平衡等特点,限制了该技术的应用范围。为了推动该技术赋能各行各业,有必要开发轻量且快速的模型,以适应计算资源有限的平台的部署需求,同时兼顾成本与效果。本文将围绕轻量、快速、稳健三个目标,提出一种基于空谱注意
学位
删失数据是因某种原因被截断的数据,并且删失指标也会因某些不可抗拒的原因被缺失掉,这种数据我们称之为删失指标随机缺失数据。在生存分析等领域,引起了统计学者的广泛关注。本文在删失指标随机缺失数据下,研究了两类模型的回归估计:首先是广义线性模型的加权最小二乘(WLS)回归估计。基于校准、插值和逆概率三种加权方法,分别构建线性参数的估计量。在适当的假设下,证明了估计量的渐近正态性。同时,对模型参数提出假设
学位
河流水位预测作为防洪抗旱预警系统的重要组成部分,现有的预测模型仍存在两个弊端,分别为在真实数据量是小样本情况下表现不佳和不具备抗异常干扰的稳健性。因此建立稳健的河流水位预测模型已刻不容缓,围绕该目的,本文主要工作如下。河流水位数据中往往存在极端值也即异常值,存在的形式通常是点或区间,这是不容易探测的。本文结合河流水位的特性,基于离散弗雷歇距离,提出了适用于小样本环境下的河流水位序列异常点探测法(R
学位
随着信息技术的高速发展,使得高维和复杂的数据集获取变得简单,而区间值数据一定程度上能够聚合这些大型复杂数据集,从而使数据易于管理。对于此类数据,传统的区间数据知识则不太适用,而函数型数据正是分析此类复杂数据最常用的技术之一。函数型聚类分析能够在不利用外部先验信息的情况下,通过将样本数据看成一个整体,从函数(曲线)的视角对样本观测数据进行分类。函数型数据聚类对数据观测记录的条件较传统的数据聚类限制更
学位