定时长随机监测下混合指数分布的参数估计-概率论与数理统计专业论文.docxVIP

万方数据 万方数据 南开大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所 取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包 含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所 涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本 学位论文原创性声明的法律责任由本人承担。 学位论文作者签名： 年 月 日 非公开学位论文标注说明 (本页表中填写内容须打印) 根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申 请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本 说明为空白。 论文题目 申请密级 □限制(≤2 年) □秘密(≤10 年) □机密(≤20 年) 保密期限 20 年 月 日至 20 年 月 日 审批表编号 批准日期 20 年 月 日 南开大学学位评定委员会办公室盖章(有效) 注：限制★2 年(可少于 2 年);秘密★10 年(可少于 10 年);机密★20 年(可少于 20 年) 摘要 摘要 摘要 受时间和空间的影响，用固定参数的分布描述产品的寿命具有不合理性， 而混合型分布恰恰能弥补这一缺陷。混合指数分布不仅具有良好的灵活性，而 且还具有良好的模拟性、可操作性。但在进行随机模拟时经常会遇到数据丢失 情况，如分组数据、删失数据等不完全数据。因此处理不完全数据的研究显得 尤为重要。研究不完全数据的方法很多，其中一种常见的方法就是引入潜变量； 而 EM 算法、MCEM 算法及 MCMC 算法就是解决这一问题的很好的工具。本文 引入缺失数据下的混合指数分布模型，分别用 EM 算法、MCEM 算法及 MCMC 算法推导出参数估计的表达式。理论上证明了三种算法对定时长随机监测下混 合指数分布参数估计的可行性；并通过数值实验比较了三种算法的优劣。 关键词：MCMC 算法；EM 算法；MCEM 算法；混合指数分布 I Abstract Abstract Abstract Influenced by time and space, using fixed parameters distribution to describe life of product is unreasonable, and mixed distribution is precisely to remedy the deficiency. Mixed exponential distribution not only has good flexibility, but also has better simulation and operation. But stochastic simulation often encounters data loss, for example, packet data, censored data, etc. Therefore, studying on treatment of incomplete data is particularly important. Lots of research methods were used, one routine approach is to introduce latent variables. EM algorithm, MCEM algorithm and MCMC algorithm are powerful tools to solve this problem. The model proposed in this paper is a mixed exponential distribution model with missing data. Expression of parameters estimation is obtained through theory derivation with EM algorithm, MCEM algorithm and MCMC algorithm. Theory proves that these algorithms are feasible to parameter estimation of mixed exponential distribution under fixed time length stochastic monitor,in addition, do numerical experiments to compare advantages and disadvantages of algorithms. Key words: MCMC algorit