版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、瑞利分布是重要的連續(xù)型壽命分布,被廣泛應(yīng)用在聲學(xué)、醫(yī)學(xué)研究、質(zhì)量控制、通信工程、可靠性工程、航空航天等領(lǐng)域。在實際研究中,常常因為各種原因使得樣本數(shù)據(jù)不能夠完全獲得,因此如何在不完全數(shù)據(jù)情形下對瑞利分布的參數(shù)進(jìn)行估計是一個值得研究的問題。同時,也可以看到,利用條件極值法求解參數(shù)的最大后驗概率密度區(qū)間的研究并不多,對不完全數(shù)據(jù)下瑞利分布參數(shù)的Bayes估計和極大似然估計的研究并不全面。針對以上這些問題,本文對瑞利分布的參數(shù)進(jìn)行了估計和檢驗
2、。
首先,研究了在完全數(shù)據(jù)情形下瑞利分布參數(shù)的區(qū)間估計問題。具體來講,先給出了一般意義下參數(shù)的Bayes可信區(qū)間,并運用條件極值法給出了參數(shù)的最大后驗密度可信區(qū)間,最后用Matlab分別求出了兩種區(qū)間的長度并進(jìn)行了比較。
其次,研究了定時截尾下瑞利分布參數(shù)的Bayes估計問題。取定損失函數(shù)為復(fù)合Linex對稱損失函數(shù),參數(shù)的先驗分布為伽瑪分布,在此條件下給出參數(shù)的Bayes估計的一般形式和精確形式,并用Matlab進(jìn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Logistic模型的極大似然估計.pdf
- Poisson混雜模型的極大似然估計.pdf
- 樣本峰度最大值與Weibull分布參數(shù)的極大似然估計.pdf
- 2016考研數(shù)學(xué)復(fù)習(xí)之極大似然估計
- 邊界約束下多項分布的極大似然估計與EM算法.pdf
- 有關(guān)極大似然估計若干問題的研究.pdf
- 極大似然估計在生活中的應(yīng)用
- 近似因子模型的懲罰極大似然估計.pdf
- 對數(shù)正態(tài)分布參數(shù)的最大似然估計
- 盲源分離的極大似然估計算法研究與應(yīng)用.pdf
- 極大似然和MUSIC算法用于DOA估計的DSP實現(xiàn).pdf
- 基于極大似然估計的ADC測試算法的改進(jìn)與實現(xiàn).pdf
- 分組數(shù)據(jù)下競爭風(fēng)險混合模型的極大似然估計.pdf
- 連接位極大似然Minwise估計子的研究及應(yīng)用.pdf
- 最大似然估計概述
- 基于經(jīng)驗似然的條件分布函數(shù)的估計.pdf
- 隨機互惠系統(tǒng)持久性及其參數(shù)的極大似然估計.pdf
- 基于復(fù)雜刪失數(shù)據(jù)下極大似然估計的算法研究.pdf
- 35747.排序集抽樣下有先驗信息的極大似然估計
- 凸約束廣義線性回歸模型參數(shù)的極大似然估計研究.pdf
評論
0/150
提交評論