一、优比简单半序约束下的最大似然估计（论文文献综述）
隋崴[1]（2019）在《双变量泊松分布参数在序约束下的极大似然估计》文中研究说明双变量泊松分布的性质及其应用的研究在许多国内外的文献中都有所涉及。双变量泊松分布的产生方法有很多种,学者S.Kocherlakota和K.Kocherlakota提出一种使用最多的方法,即三变量还原法。根据这种方法计算得到双变量泊松分布的概率密度函数。本文主要针对双变量泊松分布参数的极大似然估计和应用进行研究。首先,研究了双变量泊松分布参数的极大似然估计问题。运用牛顿迭代方法对三个未知参数进行求解,通过计算参数的矩估计作为迭代初值代入,利用MATLAB语言将122个调度员在两个不同连续时间段内发生事故次数的真实数据代入,求解参数的极大似然估计值。其次,以调度员发生事故次数为例,随机抽取十个不同地区作为十个不同总体,要求发生事故原因从工作环境本身存在的危险、个人原因和非个人原因三方面影响因素考虑,要求在一定可控制范围内,使事故发生率最小化,即对概率密度函数中的参数加上约束条件。利用PAVA算法,最终得到满足条件的极大似然估计值,并比较得出事故发生率最小值。最后,对双变量泊松分布进行扩展得到双变量COM-泊松分布。为了满足数据分散性,双变量泊松分布已不能完全符合条件,所以采用双变量COM-泊松分布对实际数据进行建模,双变量COM-泊松分布在参数v取某一特定值时,其包含三种特殊分布,分别是双变量泊松分布、双变量伯努利分布和双变量几何分布。此部分主要是考虑双变量COM-泊松分布参数的极大似然估计,利用MATLAB语言将122个调度员在两个不同连续时间段内发生事故次数的真实数据代入,最终得到估计值。
赵春雪,李树有,宓颖[2]（2018）在《多个Marshall-Olkin Fréchet分布总体参数在序约束下的极大似然估计》文中研究指明研究了扩展型分布族Marshall-Olkin Fréchet分布的参数估计问题.运用迭代方法分情况讨论了当部分参数未知时参数的极大似然估计;利用MATLAB软件和喷气式飞机空调系统连续故障间隔时间的数据,进一步讨论了多个分布总体参数在序约束下的极大似然估计问题.
赵春雪[3]（2018）在《Marshall-Olkin Fréchet分布参数的极大似然估计及应用》文中提出通常情况下对分布族进行扩展,可以增加指数分布族在应用上的灵活性,这一过程在许多国内外的文献中都有所涉及。在扩展分布族的研究中,学者Marshall和Olkin提出一种扩展分布族的新方法,即将分布族中增加一个参数。根据这种方法得到了Fréchet分布Marshall-Olkin扩展形式即Marshall-Olkin Fréchet分布。在本篇文章中,主要针对Marshall-Olkin Fréchet分布参数的极大似然估计和应用进行研究。首先,重点研究扩展型分布族Marshall-Olkin Fréchet分布参数的极大似然估计问题。其中,包括部分参数已知时未知参数的极大似然估计,在截尾样本下未知参数的极大似然估计,以及在序约束下多个Marshall-Olkin Fréchet分布总体参数的极大似然估计。在此同时,利用MATLAB语言将喷气式飞机空调系统连续故障间隔时间的真实数据代入,求解参数的极大似然估计值,据此推断空调的故障率。其次,文章对Marshall-Olkin Fréchet分布在实际生产中的应用进行研究,并将Marshall-Olkin Fréchet分布应用于产品的质量抽样检测。首先从消费方的角度考虑,根据消费者对质量的接受程度,从大批量抽取和小批量抽取两个角度研究抽样所需的最小样本容量。在最小样本容量基础上,考虑产品寿命时间真值与最小产品平均寿命时间的比值,从而得到生产者接受产品的概率。最终得到既满足消费者需求又满足生产者需求的产品寿命时间最小值。最后是将Marshall-Olkin Fréchet分布应用于时间序列模型。考虑边际分布为Marshall-Olkin Fréchet分布的一阶自回归模型在以下三种MAX AR（1）模型Ⅰ和Ⅱ,MAX-MIN AR（1）模型结构下,Marshall-Olkin Fréchet分布的相关性质,并给出证明。
王寿贤,李树有,宓颖[4]（2016）在《多个Kotz分布总体参数基于序约束下的极大似然估计》文中认为研究了多个kotz分布总体的参数基于序约束下的极大似然估计问题,并给出了多个kotz分布总体未知参数的极大似然估计的算法,根据PAVA算法又给出了k个kotz分布总体的参数在简单半序,伞形半序,简单树半序和简单环半序约束下的极大似然估计。还讨论了多个kotz分布总体参数基于截尾样本的极大似然估计的计算方法。
罗平,李树有[5]（2015）在《三个多元正态总体在简单半序约束下均值估计-基于协方差阵未知》文中认为自然界中有许多模型需要参数估计,但实际问题中往往会遇到约束条件.因此,无约束的最大似然估计在约束条件下已不再是最优估计量.寻求有约束条件的最优估计成为文章的研究重点.文章利用PAVA算法将最大似然估计进行合并处理,得到在简单半序约束和协方差阵未知情况下的新估计量μi,并证明其优于无序约束下得到的最大似然估计Xi.
王寿贤[6]（2015）在《Kotz型比例分布参数在序约束下的极大似然估计问题的研究》文中指出针对传统的正态分布处理小样本的不可靠性的问题，统计学家提出了一些非传统的分布来解决此类实际问题。kotz分布就是非传统的一种，kotz分布相对于正态分布具有尖峰厚尾的特点。由于其良好的性质，本文将在S.Nadarajah的研究基础上继续研究kotz分布。基于先前的研究，通过学习前人的关于序约束的理论。首先在半序约束下研究kotz分布。本文主要研究了多个kotz型比例分布的基本性质，依据分布特点，给出了多个kotz型比例分布总体参数的极大似然估计。运用迭代方法给出了参数N已知，r未知时，r的极大似然估计；参数r已知，N未知时，N的极大似然估计；参数N和r都未知时，N和r的极大似然估计。其次研究了多个kotz型比例分布总体参数在序约束下的极大似然估计，其中序约束包括简单半序、简单树半序、伞形半序以及简单环半序。运用PAVA算法给出了参数N已知，r未知时，r的极大似然估计；参数r已知， N未知时， N的极大似然估计；参数N和r都未知时，N和r的极大似然估计。其中在简单树半序、伞形半序以及简单环半序中用到了简便算法，简化了运算。最后将所获算法应用于欧洲主要股市指数收盘价：德国的DAX，瑞士的SMI，法国的CAC和英国的FTSE，进而找出任意两种股市指数之间的相关关系。
李浩[7]（2014）在《简单半序约束下多元Kotz型分布参数的极大似然估计》文中研究表明Kotz分布是一类重要的对称椭球分布，它是由Samuel Kotz于1975年作为多元正态分布的推广形式首次引入的。自1990年以来有关此分布的研究量激增，许多学者对这种分布进行了研究。Kotz分布解决了许多以正态分布假设为前提的模型解决不了的问题，同时，Kotz分布在经济数学，重复测量学等学科中也有着广泛的应用。序约束下的统计推断问题由于其深刻的理论背景成为统计分析领域的重要组成部分，而多维保序回归理论对多维参数在序约束条件下的统计推断起着关键性作用。本文首先利用椭球等高分布的理论与矩阵Kotz分布定义相结合，给出了在一定条件下的多元Kotz型分布Kp（μ,Σ）的均值参数的极大似然估计，并分别研究了均值向量已知和未知两种情况下的协方差矩阵的极大似然估计。之后利用多维保序回归的理论及方法，根据协方差矩阵的情况不同，深入的研究了三种情况下多元Kotz型分布Kxp（θ,Σ）的均值在简单半序约束条件下的极大似然估计的算法，其思想就是，结合多元Kotz型分布自身性质，当协方差矩阵已知或协方差矩阵未知且相等时，通过把多维保序回归降为一维保序回归并利用PAVA算法迭代。当协方差矩阵未知且不相等时，则通过把多维保序回归降为一维保序回归并对参数赋予初始值后反复迭代直至收敛的方法，最终得到序约束条件下的极大似然估计。
何彪,李树有,宓颖[8]（2013）在《广义指数分布参数基于截尾样本在序约束下的极大似然估计》文中提出研究了多个广义指数分布参数基于截尾样本在序约束下的极大似然估计问题。应用简单迭代法和EM迭代法给出广义指数分布的两个未知参数的极大似然估计的算法,并讨论了其在简单半序、伞形半序、简单树半序和简单环半序约束下的极大似然估计问题,并给出模拟结果。
宓颖,姚星,李树有[9]（2010）在《多个指数分布参数基于截尾样本在序约束下的极大似然估计》文中认为对给定k（k>2）个指数分布总体,抽取一组截尾样本1,2,i i iniX X X,讨论其均值θi,（i=1,2,3 k）在简单半序、简单树半序、伞型半序和简单环半序约束条件下的极大似然估计问题,根据PAVA算法给出了k个指数分布参数基于截尾样本在序约束下极大似然估计的计算方法。
陈倩[10]（2009）在《正态分布的均值和方差在伞序约束下的最大似然估计》文中指出讨论了k个独立正态总体的均值和方差同时在伞序约束下最大似然估计的求解问题,并给出了一个求解方法和一个例子。
二、优比简单半序约束下的最大似然估计（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、优比简单半序约束下的最大似然估计（论文提纲范文）
（1）双变量泊松分布参数在序约束下的极大似然估计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 双变量泊松分布的理论背景 |
| 1.2 双变量泊松分布的研究情况 |
| 1.3 论文的主要内容 |
| 2 双变量泊松分布参数的极大似然估计 |
| 2.1 基本知识介绍 |
| 2.2 双变量泊松分布参数的极大似然估计 |
| 2.3 迭代初值的计算 |
| 2.4 本章小结 |
| 3 多个双变量泊松分布总体参数在序约束下的极大似然估计 |
| 3.1 几种常见的序约束 |
| 3.2 PAVA算法 |
| 3.3 多个双变量泊松分布参数在序约束下的极大似然估计 |
| 3.3.1 2λ和λ_3已知,求λ_1在序约束下的极大似然估计 |
| 3.3.2 3λ已知,求λ_1和λ_2在序约束下的极大似然估计 |
| 3.4 本章小结 |
| 4 双变量COM-泊松分布参数的极大似然估计 |
| 4.1 双变量COM-泊松分布的三种特殊情况 |
| 4.1.1 双变量泊松分布 |
| 4.1.2 双变量伯努利分布 |
| 4.1.3 双变量几何分布 |
| 4.2 单变量COM-泊松分布 |
| 4.3 双变量COM-泊松分布 |
| 4.4 双变量COM-泊松分布的极大似然估计 |
| 4.5 本章小结 |
| 5 结论 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（2）多个Marshall-Olkin Fréchet分布总体参数在序约束下的极大似然估计（论文提纲范文）
| 1 预备知识 |
| 2 Marshall-Olkin Fréchet分布参数的极大似然估计 |
| 2.1 当已知β和δ时α的极大似然估计 |
| 2.2 当已知δ时α和β的极大似然估计 |
| 2.3 α, β和δ的极大似然估计 |
| 3多个分布总体参数在序约束条件下的极大似然估计 |
| 3.1 简单半序α1≤α2≤…≤α10 |
| 3.2 简单树半序:α1≤αi (i=2, …, 9, 10) |
| 3.3 简单环半序α1≤αi≤α10 |
| 3.4 伞型半序α1≤α2≤…≤α5≥…≥α10 |
（3）Marshall-Olkin Fréchet分布参数的极大似然估计及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 Marshall-OlkinFréchet分布的理论背景 |
| 1.2 Marshall-OlkinFréchet分布的研究情况 |
| 1.3 论文的主要内容 |
| 2 Marshall-OlkinFréchet分布参数的极大似然估计 |
| 2.1 未知参数的极大似然估计 |
| 2.1.1 β和δ已知,α的极大似然估计 |
| 2.1.2 δ已知,α和β的极大似然估计 |
| 2.1.3 β已知,α和δ的极大似然估计 |
| 2.1.4 α,β和δ的极大似然估计 |
| 2.2 Marshall-OlkinFréchet分布参数基于截尾样本下的极大似然估计 |
| 2.2.1 参数在定数截尾样本下的极大似然估计 |
| 2.2.2 参数在定时截尾样本下的极大似然估计 |
| 2.3 多个分布总体参数在序约束条件下的极大似然估计 |
| 2.3.1 简单半序 |
| 2.3.2 简单树半序 |
| 2.3.3 简单环半序 |
| 2.3.4 伞型半序 |
| 3 Marshall-OlkinFréchet分布应用于产品质量检测 |
| 3.1 试验所需最小样本容量 |
| 3.2 确定最小平均寿命时间 |
| 4 Marshall-OlkinFréchet分布应用于时间序列模型 |
| 4.1 MAXAR(1)模型Ⅰ |
| 4.2 MAXAR(1)模型Ⅱ |
| 4.3 MAX-MINAR(1)模型Ⅰ |
| 5 总结 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（4）多个Kotz分布总体参数基于序约束下的极大似然估计（论文提纲范文）
| 1 预备知识 |
| 1.2 PAVA算法 |
| 2 主要结果 |
| 2.1 多个kotz分布总体参数的极大似然估计 |
| 2.2 多个kotz分布总体参数在序约束下的的极大似然估计 |
| 2.3 多个kotz分布总体参数基于截尾样本的极大似然估计 |
| 2.4 多个kotz分布总体参数基于截尾样本在序约束下的的极大似然估计 |
| 3 结论 |
（6）Kotz型比例分布参数在序约束下的极大似然估计问题的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 kotz分布产生的背景及其研究情况 |
| 1.2 序约束理论产生的背景及其研究的情况 |
| 1.3 论文结构概述 |
| 2 多个kotz分布总体参数的极大似然估计 |
| 2.1 kotz分布函数 |
| 2.1.1 kotz分布函数的概念及其性质 |
| 2.1.2 普赛函数的概念 |
| 2.2 多个kotz分布总体参数的极大似然估计 |
| 2.2.1 多个kotz分布总体中参数N已知,r未知,r的极大似然估计 |
| 2.2.2 多个kotz分布总体中参数r已知,N未知,N的极大似然估计 |
| 2.2.3 多个kotz分布总体中参数N和r未知,N和r的极大似然估计 |
| 结论 |
| 3 序约束的预备知识 |
| 3.1 保序回归的概念引入 |
| 3.2 保序回归的概念与计算方法 |
| 4 多个kotz分布总体参数在序约束下的极大似然估计 |
| 4.1 多个kotz分布总体中参数N已知,r未知,r在序约束下的极大似然估计 |
| 4.1.1 简单半序：r_1≤r_2≤…≤r_6 |
| 4.1.2 简单树半序：r_1≤r_i (i=2,3,4,5,6) |
| 4.1.3 伞形半序：r_1≤r_2≤r_3≥r_4≥r_5≥r_6 |
| 4.1.4 简单环半序：r_1≤r_i≤r_6 (i=2,3,4,5) |
| 4.2 多个kotz分布总体中参数r已知,N未知,N在序约束下的极大似然估计 |
| 4.2.1 简单半序：N_1≤N_2≤…≤N_6 |
| 4.2.2 简单树半序：N_1≤N_i (i=2,3,4,5,6) |
| 4.2.3 伞形半序：N_1≤N_2≤N_3≥N_4≥N_5≥N_6 |
| 4.2.4 简单环半序：N_1≤N_i≤N_6 (i=2,3,4,5) |
| 4.3 多个kotz分布总体中参数N和r都未知,N和r在序约束下的极大似然估计 |
| 4.3.1 简单半序：N_1≤N_2≤…≤N_6,r_1≤r_2≤…≤r_6 |
| 4.3.2 简单树半序：N_1≤N_i,r_1≤r_i (i=2,3,4,5,6) |
| 4.3.3 伞形半序：N_1≤N_2≤N_3≥N_4≥N_5≥N_6,r_1≤r_2≤r_3≥r_4≥r_5≥r_6 |
| 4.3.4 简单环半序：N_1≤N_i≤N_6,r_1≤r_i≤r_6 (i=2,3,4,5) |
| 4.4 多个kotz分布总体中参数基于结尾样本的极大似然估计 |
| 5 总结 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（7）简单半序约束下多元Kotz型分布参数的极大似然估计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 多元 Kotz 型分布的研究情况 |
| 1.2 序约束下统计推断产生的背景及其发展 |
| 1.3 论文结构概述 |
| 2 预备知识 |
| 2.1 椭球等高分布族 |
| 2.2 椭球等高矩阵分布 |
| 2.3 问题的提出 |
| 2.4 保序回归及其算法 |
| 3 Kotz 分布参数的极大似然估计 |
| 3.1 Kotz 分布的定义 |
| 3.2 多元 Kotz 型分布参数的极大似然估计 |
| 4 简单半序约束下多元 Kotz 型分布参数的极大似然估计 |
| 4.1 保序回归与极大似然估计 |
| 4.2 多维保序回归 |
| 4.3 多元 Kotz 型分布均值在简单半序约束下的极大似然估计 |
| 4.3.1 总体协方差阵已知时均值在简单半序约束下的 MLE |
| 4.3.2 总体协方差阵未知且相等时均值在简单半序约束下的 MLE |
| 4.3.3 总体协方差阵未知且不相等时均值在简单半序约束下的 MLE |
| 5 结论 |
| 参考文献 |
| 致谢 |
（8）广义指数分布参数基于截尾样本在序约束下的极大似然估计（论文提纲范文）
| 1 参数的极大似然估计的计算 |
| 2广义指数分布在序约束下的参数估计 |
| 3 数值模拟与分析 |
| 4 结论 |
四、优比简单半序约束下的最大似然估计（论文参考文献）
- [1]双变量泊松分布参数在序约束下的极大似然估计[D]. 隋崴. 辽宁工业大学, 2019(08)
- [2]多个Marshall-Olkin Fréchet分布总体参数在序约束下的极大似然估计[J]. 赵春雪,李树有,宓颖. 东北师大学报(自然科学版), 2018(03)
- [3]Marshall-Olkin Fréchet分布参数的极大似然估计及应用[D]. 赵春雪. 辽宁工业大学, 2018(01)
- [4]多个Kotz分布总体参数基于序约束下的极大似然估计[J]. 王寿贤,李树有,宓颖. 辽宁工业大学学报(自然科学版), 2016(01)
- [5]三个多元正态总体在简单半序约束下均值估计-基于协方差阵未知[J]. 罗平,李树有. 应用数学学报, 2015(06)
- [6]Kotz型比例分布参数在序约束下的极大似然估计问题的研究[D]. 王寿贤. 辽宁工业大学, 2015(06)
- [7]简单半序约束下多元Kotz型分布参数的极大似然估计[D]. 李浩. 辽宁工业大学, 2014(07)
- [8]广义指数分布参数基于截尾样本在序约束下的极大似然估计[J]. 何彪,李树有,宓颖. 辽宁工业大学学报(自然科学版), 2013(05)
- [9]多个指数分布参数基于截尾样本在序约束下的极大似然估计[J]. 宓颖,姚星,李树有. 辽宁工业大学学报(自然科学版), 2010(05)
- [10]正态分布的均值和方差在伞序约束下的最大似然估计[J]. 陈倩. 盐城工学院学报(自然科学版), 2009(01)