利用样本分位数求指数分布参数的渐近估计.docVIP

 利用样本分位数求指数分布参数的渐近估计 魏 艳 华 ，王 丙 参 ，何 万 生 （天水师范学院 数学与统计学院， 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 ；由获得的指数分布参数的广义最小二 乘估计的渐近正态 性 ，得 到 数 据 缺 失 、分 组 数 据 、截尾样本场合指数分布参数的渐近估计 ．在样本足够大的情况下 ，该方法简单有效 ． 关键词： 指 数 分 布 ； 样 本 分 位 数 ； 广义最小二乘法 ； 渐 近 正 态 性 ； 区 间 估 计 中图分类号：Ｏ２１２．１ 文献标识码：Ａ 文章编号：１００１－９８８Ⅹ（２０１２）０２－００１５－０４ Ａｐｐｒｏｘｉｍａｔｅｄｐａｒａｍｅｔｅｒｓｉｎｔｅｒｖａｌｅｓｔｉｍａｔｉｏｎ ｏｆｅｘｐｏｎｅｎｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｕｓｉｎｇｔｈｅｓａｍｐｌｅｑｕａｎｔｉｌｅｓ ＷＥＩＹａｎ－ｈｕａ， ＷＡＮＧ Ｂｉｎｇ－ｃａｎ，ＨＥ Ｗａｎ－ｓｈｅｎｇ （ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＳｔａｔｉｓｔｉｃｓ，ＴｉａｎｓｈｕｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｓｈｕｉ７４１００１，Ｇａｎｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ｕｓｉｎｇ ｓｅｖｅｒａｌｓａｍｐｌｅ ｑｕａｎｔｉｌｅｓ ｏｆｅｘｐｏｎｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ．Ｂｙａｉｄｏｆａｓｙｍｐｔｏｔｉｃｎｏｒｍａｌｉｔｙｏｆｔｈｅｇｅｎｅｒａｌｉｚｅｄｌｅａｓｔｓｑｕａｒｅｓｅｓｔｉｍａｔｉｏｎ，ｗｈｉｃｈｏｂｔａｉｎｅｄｂｙ ｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇ ｐａｒａｍｅｔｅｒｓ ｏｆ ｅｘｐｏｎｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ，ｔｈｅ ａｐｐｒｏｘｉｍａｔｅｄ ｉｎｔｅｒｖａｌ ｅｓｔｉｍａｔｉｏｎｓ ｏｆ ｅｘｐｏｎｅｎｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ ｐａｒａｍｅｔｅｒｓａｒｅ ｏｂｔａｉｎｅｄｉｎｔｈｅｃａｓｅｓ ｏｆｔｈｅ ｍｉｓｓｉｎｇ ｄａｔａ，ｇｒｏｕｐｅｄ ｄａｔａ ａｎｄ ｃｅｎｓｏｒｅｄｓａｍｐｌｅ．Ｔｈｅｍｅｔｈｏｄｉｓｓｉｍｐｌｅａｎｄｅｆｆｅｃｔｉｖｅｆｏｒｌａｒｇｅｅｎｏｕｇｈｓａｍｐｌｅ． Ｋｅｙｗｏｒｄｓ：ｅｘｐｏｎｅｎｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ；ｓａｍｐｌｅｑｕａｎｔｉｌｅｓ；ｇｅｎｅｒａｌｉｚｅｄｌｅａｓｔｓｑｕａｒｅｓｅｓｔｉｍａｔｉｏｎ；ａｓｙｍｐｔｏｔｉｃ ｎｏｒｍａｌｉｔｙ；ｉｎｔｅｒｖａｌｅｓｔｉｍａｔｉｏｎ 人们在做寿命试验时，有时候会遇到这样的情 况：由于某种原因试验中某些样本寿命数据丢失， 只知道其前后的寿命数据，称其为数据丢失或数据 缺失；有时候为了更准确地作统计推断，人们往往 使用大样本，但对大量产品进行跟踪观测需耗费大 量人力、物力和财力，且常常因条件所限而无法做 到，解决办法之一是只对其中若干个产品进行跟踪 观测，其它的只需知道它失效时间的区间，不必知 道失效的 确 切 时 间， 这 样 就 得 到 一 组 混 合 分 组 数 据；还有的时候需要剔除较大或较小的观测数据， 这样又得到一组截尾样本数据．对大多数分布族而 言，关于不完全样本场合参数估计问题，国内外一 些学者已经给出了相应的解决办法［１－８］． 文献［１ ］ 用极大似然估计构造枢轴量的方法给出了定时截尾 寿命试验数据缺失场合下指数分布参数的点估计及 区间估计；文献［２］给出了定数截尾数据缺失场合 下指数分布参数的 Ｂａｙｅｓ估计；文献［３］给出了分 组数据在 指 数 分 布 下 的 近 似 极 大 似 然 估 计； 文 献 ［４］用逆矩估 计 思 想 方法给出了定 数 截尾 Ｗｅｉｂｕｌ 分布的参数估计等等． 这类问题的研究困难在于数据不完全，但可以 利用已观测到的部分数据构造样本分位数［９－１０］， 建 立线性回归模型．本文利用指数分布的若干样本分 位数和广义最小二乘法，给出了数据缺失、分组数 据、截尾样本场合指数分布参数的渐近估计．在样 本足够大的情况下，该方法简单有效． 收稿日期：２０１１－１０－１８； 修改稿收到日期：２０１１－１１－１８ 基金项目： 甘肃省自然科学基金资助项目（０９６ＲＪＺＥ１０６）； 甘肃省教育厅科研基金资助项目（０９０８－０７）； 天水师范学院科研 基金资助项目（ＴＳＡ０９３１） 作者简介： 魏艳华 （１９８０—）， 女， 吉林四平人， 讲师， 硕士． 主要研究方向为数理统计． ０＜＜ ＜ ＜ ＝ ［ｎｐｉ］＋１，ｉ＝１， ｉ 预备知识 １ ２，…，ｋ，｛ｒｎ ，ｒｎ ，…，ｒｎ ｝ ｛ｒ１，ｒ２，…，ｒｍ ｝， 其 中 １ ２ ｋ 引理１［１１］ 设 Ｘ Ｘ 是抽自总