兩參數(shù)廣義指數(shù)分布的參數(shù)估計(jì)與數(shù)值模擬.pdf

1、兩參數(shù)廣義指數(shù)分布自從由Gupta和Kundu提出以來(lái),就引起了眾多學(xué)者的關(guān)注和重視并得到了廣泛地研究,該分布能更好地?cái)M合某些壽命數(shù)據(jù),在航空、工程、醫(yī)學(xué)和生物科學(xué)等諸多領(lǐng)域有著廣泛地應(yīng)用。很多學(xué)者對(duì)兩參數(shù)廣義指數(shù)分布的參數(shù)估計(jì)及其性質(zhì),以及可靠性等進(jìn)行了分析討論,但主要是基于單一情形下在同一損失函數(shù)下對(duì)該分布的研究,而對(duì)在不同情形、多個(gè)損失函數(shù)下對(duì)兩參數(shù)廣義指數(shù)分布的參數(shù)估計(jì)問(wèn)題進(jìn)行研究的則比較少,特別是對(duì)該分布下參數(shù)的E-Bayes

2、估計(jì)、多層Bayes估計(jì)進(jìn)行討論的文獻(xiàn)很少見(jiàn)。
　　本文在前人研究的基礎(chǔ)上,介紹了兩參數(shù)廣義指數(shù)分布在全樣本定數(shù)截尾模型下的參數(shù)估計(jì)問(wèn)題,考慮了不同情形,多個(gè)損失函數(shù),給出了參數(shù)的E-Bayes估計(jì)和多層Bayes估計(jì),并通過(guò)MonteCarlo模擬給出了參數(shù)估計(jì)的數(shù)值解。本文第一章,主要介紹了課題來(lái)源和應(yīng)用現(xiàn)狀、本文的模型以及本文所做的工作;第二章,主要介紹了貝葉斯統(tǒng)計(jì)的基本理論知識(shí),并給出了相關(guān)定理和定義;第三章,在尺度參數(shù)?

3、已知的情形下,首先給出了形狀參數(shù)?和可靠度函數(shù)R的極大似然估計(jì),隨后分別給出了在平方損失函數(shù)和LINEX損失函數(shù)下,參數(shù)?和R的Bayes估計(jì)、E-Bayes估計(jì)和多層Bayes估計(jì),最后通過(guò)MonteCarlo模擬技術(shù)進(jìn)行了數(shù)值模擬,并得到在LINEX損失下參數(shù)估計(jì)誤差更小、E-Bayes估計(jì)和多層Bayes估計(jì)的估計(jì)效果良好的結(jié)論;第四章,在尺度參數(shù)?和形狀參數(shù)?均未知的情形下,給出了參數(shù)的極大似然估計(jì),利用Lindley逼近定理給