分组数据场合指数分布参数的渐近置信估计.pdfVIP

第26卷第1期 佳 木 斯 大 学 学 报 (自然 科 学 版 ) V ．26 No．1 2008 年 01月 Joun~l(If Ji~vsi University(Natural Science Edition) J_蛐． 2008 文章缩号：l瞄 一14o2(20o8)Ol一0108—02 分组数据场合指数分布参数的渐近置信估计 魏艳华， 王丙参 I天水师范学院救统学院．甘肃天水741001) 摘 要：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． 关键词：分组数据；指数分布；样本分位数；广义最小二乘估计；区间估计． 中图分类号：O212．1 文献标识码：A 人们在做寿命试验时，为了更准确地作统计推 有√，I(yl— 。，y2一 ，…， — ) 卸 (0，A)，此 断往往使用大样本，但对大量产品进行跟踪观测耗 处 =(0，0，…，0)。 I．A=( )M．其中 费大量人力、物力、财力，且常常因条件所限而无法 做到，解决问题的方式之—是只对其中若干个产品 = { ，1≤i≤_『≤ ， 声= 进行跟踪观测，其它的只需知道失效时间的区间， 下面我们就来介绍本文求分组数据场合指数 不必知道失效的确切时间，这样得到一组特殊的分 分布参数的渐近置信估计所用的方法 组数据． 设产品的寿命‘服从两参数指数分布，其分布 这种情况是经常发生的，对于大多数分布而 函数和分布密度分别为：F(‘， ， )=1一e-删V， 言，研究分组数据场合参数区间估计问题具有一定 的困难．文献[1]利用分组数据下指数分布总体均 ，(‘， ， )=--l_e一 v≥ ， 0，其中 为位置参 值的极大似然估计的渐近正态性给出了该均值的 数， 为刻度参数． 渐近置信区间，这是解决此类问题最常用的方法． 现随机抽取It,个产品进行寿命试验，只对其中 文献[2]利用二项分布与指数分布关系及二项分布 五个产品进行跟踪观测，得到的次序失效数据为‘． 与F分布关系研究了分组数据下指数分布参数的 ≤‘：…≤ ，其它的只需知道失效的时间区间，不 区间估计．文献[3]利用先验信息给出了指数分布 必知道失效的确切时间．这样就得到一组特殊的分 参数的Baycs估计及平均寿命的Bayes置信下限． 组数据，如图1．显然，已观测到的次序失效数据‘。 本文则利用样本分位数和广义最小二乘法给出了 =‘( )’I2=t(r1+r2+2)，… =‘(壹 +I)，而次序 分组数据场合指数分布参数的渐近置信估计．在样 失效数据 ，…，‘( )； +2)，…，‘(r+r’+1)；…； 本足够大的情况下，该方法简单有效． 欲构造分组数据场合下指数分布参数的渐近 ‘f ，，+I)，…，‘(圭 小1)未被观测到．‘( rl+‘)’…，‘( ’+ )禾设)I!j5硼到· 置信估计需要用到以下知识． 观测刭的 引理1【．】 设 。， ，…，以是抽自总体分布 失效散椐 I1 I2 I^ 函数为F(菇)的—个简单样本，F(菇)绝对连续，取