两参数Weibull分布联合置信区间估计(共3篇)
篇1:两参数Weibull分布联合置信区间估计
两参数Weibull分布联合置信区间估计
提出了定数截尾下两参数Weibull分布精确联合置信区间估计的`一种方法,并给出了可靠度的一个保守的置信下限,最后用模拟方法将其和已有的联合置信区间估计方法进行比较,表明文章的估计方法更好.本方法亦可推广到双边定数截尾的情形.
作 者:邢兆飞 徐海燕 XING Zhao-fei XU Hai-yan 作者单位:上海师范大学,数理信息学院,上海,34刊 名:山西大学学报(自然科学版) ISTIC PKU英文刊名:JOURNAL OF SHANXI UNIVERSITY(NATURAL SCIENCE EDITION)年,卷(期):31(3)分类号:O212关键词:Weibull分布 联合置信区间估计 定数截尾 可靠度
篇2:两参数Weibull分布联合置信区间估计
用两个次序统计量确定Weibull分布形状参数的置信下限
从两个次序统计量出发,给出了二参数Weibull分布的形状参数的`置信下限.在实际数据的缺失、删失、截尾等情况下,为可靠性试验的数据处理提供了一种有效的估计方法.
作 者:刘玉霜 LIU Yu-shuang 作者单位:青岛科技大学,青岛,266061刊 名:科学技术与工程 ISTIC英文刊名:SCIENCE TECHNOLOGY AND ENGINEERING年,卷(期):9(20)分类号:O213.2关键词:两参数Weibull分布 次序统计量 参数估计
篇3:负二项分布参数的两种区间估计
负二项分布又称帕斯卡分布,是概率统计中一个重要的离散型随机分布,在实际中有着广泛的应用。常用于描述生物群聚性,医学上用来描述传染性或非独立性疾病的分布和致病生物的分布,在风险理论中常用来刻画和拟合索赔次数,在可靠性理论中常用来刻画寿命试验等。因此,对负二项分布的参数估计的研究也引起诸多学者的关注。其中对参数p的点估计研究较多,如文献[1]讨论了参数的矩估计和零频率估计的性质及其模拟精度比较,文献[2~4]研究了参数的贝叶斯估计,熵损失函数下的贝叶斯估计以及方差一致最小无偏估计等。但对其参数的区间估计研究较少,本文主要研究其参数的区间估计,探讨给出了负二项分布参数p的两种区间估计方法,即精确区间估计、大样本下近似区间估计。
1 负二项分布参数的精确区间估计
设总体Y~NB(r,p),参数p未知;其分布列为
Y1,Y2,…,Yn为来自该总体的样本,我们试图通过样本信息来给出参数p的1-α水平的区间估计。通过研究讨论得出下述定理1,为了方便推证定理1我们引入如下几个引理。
引理1[5] 设βα(K1,K2)是β分布β(x,K1,K2)的下侧α分位数(K1,K2都是正整数),Fα(K1,K2)是自由度为K1,K2的F分布的下侧α分位数,则
引理2[6] 若随机变量X,Y分别服从二项和负二项分布即X~B(n,p),Y~NB(r,p),则有
FX(r-1)=1-FY(n-r)。
引理3[7] 下列恒等式成立
定理1 设总体Y~NB(r,p),参数p未知, 给定置信水平1-α,则未知参数p的1-α水平的等尾置信区间为
,其中Fα(m,n)为分布F(x,m,n)的下侧α分位数, y表示第r次成功之前失败的次数。
证明 考虑到参数p的矩估计为
通过考察式(1)和式(2)来求出置信限pu,pL。首先考虑式(1),利用引理2可得
对式(3)利用引理3中(ⅰ)可转化为
对式(4)结合引理1可以解出
同理我们利用同样的方法考察式(2)可得
对式(5)利用引理1可以解出
注意到r=n-y,所以参数p的1-α水平的等尾置信区间为
综上所述,定理成立。
2 大样本下参数的近似区间估计
定理2 设总体
为来自该总体的样本。当分为数
其中,
注:关于“
证明 设离散随机变量X~NB(r,p),即
。X1,X2,…,Xn为来自该总体的样本,在样本容量n很大的情况下由中心极限定理易知统计量
式(6)中,
令
根据问题的背景,被考察的参数p表示成功率,因此参数的置信区间的上下限p2,p1应满足0<p1<p2<1,进而可得方程(7)的两个实根要满足的条件为
注意到
在
综上所述可得定理成立。
3 数值例子与比较
在工程实践中也常常遇到这种情况,产品试验之前,它的成功次数r(或失败次数k)是预定的,所需的试验次数却是随机的,这种情况在导弹飞行试验中也屡见不鲜。在导弹的装备研制阶段,导弹的可靠度(命中率)是一个重要指标,我们经常通过试验来推断其可靠度或命中率的区间估计等指标。某军工企业为了推断A和B两种类型导弹命中率的区间估计,设计如下,根据各方协商结果应有5发成功的子样,每种类型的导弹各做了5组重复试验,获得数据如下:
A类型:r=5,k=5,6,7,8,9;B类型:r=5,k=10,12,14,16,18 ,n=5为试验组数;
对于给定的水平α=0.05,利用定理1由统计软件(MINITAB)经过数值计算可得下述区间估计表:
比较上述区间估计表,我们容易看出随着失败次数的增多,区间长度逐渐缩短并且区间的中点左移,这也符合我们的统计规律,因为失败次数增大说明试验次数增多,样本容量增大,隐含着命中率降低。
4 结束语
本文通过讨论推导给出负二项分布参数p在不同场合不同条件下的两类区间估计方法。首先,巧妙利用负二项分布与二项分布的关系、二项分布与贝塔分布、贝塔分布与F分布的内在联系给出了负二项分布参数p的精确区间估计,此方法对样本容量n和参数p均未做具体要求。其次,利用中心极限定理考虑样本容量n较大时的近似区间估计,并给出此方法要满足的条件“
考虑到几何分布与负二项分布的关系(几何分布是负二项分布当r=1时的特例),本文的两种方法同样适应于几何分布参数p的区间估计。本文的定理2就是文献[10]的推广,文中两类区间估计方法在实际问题中都有广泛的应用,我们可以根据问题的背景和条件选择合适的估计方法,从而为我们处理区间估计问题提供方便和依据。
参考文献
[1]程维虎,王莉丽.负二项分布两种参数估计及其比较.数理统计与管理,2004;23(5):52—56
[2]魏玲,师义民.巴斯卡分布参数的Bayes估计.纯粹数学与应用数学,1999;15:13—16
[3]王德辉,牛晓宁.熵损失函数下巴斯卡分布参数的Bayes估计.吉林大学学报自然科学版,2001;1:19—22
[4]汤胜道,汪凤泉.负二项分布参数的方差一致最小无偏估计及贝叶斯估计.安庆师范学院学报,2003;1:69—71
[5]陈家鼎,孙山泽,李东风,等.数理统计学讲义.北京:高等教育出版社,2006
[6] Casella G,Berger R L.Statistical inference.(second edition).Bei-jing:China Machine press,2002
[7]郑明,陈子毅,汪嘉冈.数理统计讲义.上海:复旦大学出版社,2005
[8] Ross S M.Stochastic process.(second edition).John Wiley Sons,Inc,1996
[9]袁长迎,徐明民.伽玛分布参数的最短置信区间.数理统计与管理,2006;25(4):435—437
【两参数Weibull分布联合置信区间估计】相关文章:
参数估计软件05-24
一元二次方程实根分布的参数讨论09-12
需求分布含未知参数时报童模型的实施方法04-18
塔器上所受基本风压分布参数的确定分析10-17
参数方程04-08
参数调整05-03
电解参数05-01
系统参数05-02
参数调节05-05