导读:本文包含了分组数据场合论文开题报告文献综述及选题提纲参考文献，主要关键词:分组数据,Burr-XII分布,贝叶斯估计,Gibbs抽样
分组数据场合论文文献综述
魏艳华,王丙参,孙永辉[1]（2015）在《分组数据场合Burr-XII分布参数贝叶斯估计的混合Gibbs算法》一文中研究指出文章利用混合Gibbs算法(Gibbs抽样与Metropolis算法混合)给出了分组数据场合Burr-XII分布参数的贝叶斯估计,通过Monte-Carlo模拟,考查贝叶斯估计的均值、均方误差及参数的可信区间,并给出混合Gibbs抽样过程中相应参数的轨迹图、直方图及自相关系数图。结果表明:在分组数据场合,用混合Gibbs算法求Burr-XII分布参数的贝叶斯估计都得到了比较满意的结果,该算法可行、稳定、有效。(本文来源于《统计与决策》期刊2015年08期）
魏艳华,王丙参,孙永辉[2]（2014）在《分组数据场合逆威布尔分布的参数估计》一文中研究指出利用改进的ECM算法给出了分组数据场合逆威布尔分布参数的极大似然估计。在不同参数真实值、不同初值、不同检测时刻的情况下分别进行1000次模拟,每次模拟均产生200个随机数,考查各参数估计的均值、标准差和均方误差,并列举出前五次模拟的具体结果,模拟结果表明:用改进的ECM算法求得的极大似然估计一般经过10次以内迭代都收敛,具有良好的收敛性,该方法简单、稳定、有效。(本文来源于《统计与决策》期刊2014年02期）
魏艳华,王丙参,孙永辉[3]（2014）在《分组数据场合逆威布尔分布参数贝叶斯估计的混合Gibbs算法》一文中研究指出作者利用混合Gibbs算法(Gibbs抽样与Metropolis算法的混合)给出了分组数据场合逆威布尔分布参数的贝叶斯估计,然后通过Monte-Carlo模拟考查了贝叶斯估计的均值、均方误差及参数的可信区间,并与极大似然估计比较,给出了混合Gibbs抽样过程中相应参数的轨迹图、直方图及自相关系数图.在五组分组数据场合用混合Gibbs算法求逆威布尔分布参数的贝叶斯估计都得到了比较满意的结果,表明该算法可行、稳定、并且有效.(本文来源于《四川大学学报(自然科学版)》期刊2014年01期）
田云霞[4]（2008）在《指数分布场合恒加试验分组数据的似然估计》一文中研究指出利用微分的方法,对加速寿命试验中,指数分布场合简单恒加试验的叁种分组数据情形下的极大似然估计进行了讨论。首先讨论了简单分组数据情形下关于加速模型lniθ=a+b(si),i=0,1,2.中参数a、b的极大似然估计。接着给出了测试时间为等分点数据和一般数据情形下关于加速模型lniθ=a+b(si),i=0,1,2.中参数a、b的极大似然估计的定理,并加以证明。(本文来源于《太原科技大学学报》期刊2008年03期）
魏艳华,王丙参[5]（2008）在《分组数据场合指数分布参数的渐近置信估计》一文中研究指出利用指数分布的若干个样本分位数,建立线性回归模型,由获得的广义最小二乘估计的渐近正态性,得到分组数据场合分布参数的渐近置信估计.在样本足够大的情况下,该方法简单有效.(本文来源于《佳木斯大学学报(自然科学版)》期刊2008年01期）
张莉,张德然[6]（2007）在《分组数据在指数分布场合下的最优等间距问题》一文中研究指出本文基于不完全样本中的分组样本研究方法,当失效数据服从指数分布时,对给定的两个加速应力水平下的恒加试验进行了分析和探究,并讨论了在平均寿命的对数的渐近方差达到最小的时候,对受试元件观察的等间隔时间问题.(本文来源于《宜宾学院学报》期刊2007年06期）
李艳冰,费鹤良[7]（2004）在《指数分步场合分组数据下简单步加试验的极大似然估计》一文中研究指出对指数分布场合下的寿命分布进行研究,简单步进应力加速寿命试验中,在观察时间间隔不相等的条件下,对所获得的分组数据为寿命数据,给出加速方程中未知参数的极大似然估计(MLE),从而计算出常应力下产品的平均寿命。(本文来源于《电子产品可靠性与环境试验》期刊2004年06期）
徐海燕,费鹤良[8]（2003）在《指数分布场合下基于分组数据区间估计的新方法(英文)》一文中研究指出从新的角度证明了分组数据下指数分布总体均值的极大似然估计(MLE)的渐进正态性,给出了该均值的渐进置信区间。通过Monte Carlo模拟比较,发现该置信区间优于CHEN和MIE得到的置信区间。(本文来源于《上海师范大学学报(自然科学版)》期刊2003年03期）
王炳兴,王玲玲[9]（1993）在《指数分布场合下基于分组数据和双向删失数据的区间估计》一文中研究指出当寿命分布是指数分布时本文给出了基于分组数据和双向删失数据求平均寿命的近似区间估计方法,所给方法的计算是简单的.(本文来源于《应用概率统计》期刊1993年04期）
分组数据场合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用改进的ECM算法给出了分组数据场合逆威布尔分布参数的极大似然估计。在不同参数真实值、不同初值、不同检测时刻的情况下分别进行1000次模拟,每次模拟均产生200个随机数,考查各参数估计的均值、标准差和均方误差,并列举出前五次模拟的具体结果,模拟结果表明:用改进的ECM算法求得的极大似然估计一般经过10次以内迭代都收敛,具有良好的收敛性,该方法简单、稳定、有效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分组数据场合论文参考文献
[1].魏艳华,王丙参,孙永辉.分组数据场合Burr-XII分布参数贝叶斯估计的混合Gibbs算法[J].统计与决策.2015
[2].魏艳华,王丙参,孙永辉.分组数据场合逆威布尔分布的参数估计[J].统计与决策.2014
[3].魏艳华,王丙参,孙永辉.分组数据场合逆威布尔分布参数贝叶斯估计的混合Gibbs算法[J].四川大学学报(自然科学版).2014
[4].田云霞.指数分布场合恒加试验分组数据的似然估计[J].太原科技大学学报.2008
[5].魏艳华,王丙参.分组数据场合指数分布参数的渐近置信估计[J].佳木斯大学学报(自然科学版).2008
[6].张莉,张德然.分组数据在指数分布场合下的最优等间距问题[J].宜宾学院学报.2007
[7].李艳冰,费鹤良.指数分步场合分组数据下简单步加试验的极大似然估计[J].电子产品可靠性与环境试验.2004
[8].徐海燕,费鹤良.指数分布场合下基于分组数据区间估计的新方法(英文)[J].上海师范大学学报(自然科学版).2003
[9].王炳兴,王玲玲.指数分布场合下基于分组数据和双向删失数据的区间估计[J].应用概率统计.1993
标签：分组数据; Burr-XII分布; 贝叶斯估计; Gibbs抽样;