版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、論文分為兩部分,第一部分討論了總體峰度的統(tǒng)計(jì)意義,給出了樣本峰度的最大值;第二部分討論了不同情況下weibull分布參數(shù)的極大似然估計(jì)。全文共分為五章來討論這兩部分的內(nèi)容。第一章是緒論部分,第二章介紹樣本峰度的最大值,其余三章介紹不同情況下weibull分布參數(shù)的極大似然估計(jì)。 論文第一部分依據(jù)峰度是衡量總體數(shù)據(jù)離群度的一個(gè)特征量的觀點(diǎn),給出了樣本峰度的最大值。設(shè)來自某總體的一個(gè)不全相等的樣本,由樣本峰度的定義,給出了樣本峰度最
2、大值的表達(dá)式。 Weibull分布是生存分析中應(yīng)用最廣泛的產(chǎn)品壽命分布之一,論文第二部分關(guān)于Weibull分布參數(shù)極大似然估計(jì)工作如下。 第三章中討論了樣本來自完全數(shù)據(jù)Weibull分布時(shí),分布參數(shù)的極大似然估計(jì)。對(duì)于完全Weibull分布數(shù)據(jù),文中分別研究了參數(shù)估計(jì)的Newton-Raphson算法和CM算法,并在CM算法的基礎(chǔ)上提出修正的CM算法,通過隨機(jī)模擬比較了三種算法的特點(diǎn)和試用范圍。 在處理區(qū)間型We
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 對(duì)數(shù)正態(tài)分布參數(shù)的最大似然估計(jì)
- 瑞利分布的Bayes估計(jì)與極大似然估計(jì).pdf
- 最大似然估計(jì)概述
- Logistic模型的極大似然估計(jì).pdf
- Poisson混雜模型的極大似然估計(jì).pdf
- 3627.幾種數(shù)據(jù)類型下兩參數(shù)logistic分布參數(shù)的近似極大似然估計(jì)
- 隨機(jī)互惠系統(tǒng)持久性及其參數(shù)的極大似然估計(jì).pdf
- 邊界約束下多項(xiàng)分布的極大似然估計(jì)與EM算法.pdf
- 凸約束廣義線性回歸模型參數(shù)的極大似然估計(jì)研究.pdf
- 均值協(xié)方差模型中非約束參數(shù)的最大似然估計(jì).pdf
- 不完全樣本下Weibull分布的參數(shù)估計(jì).pdf
- 2016考研數(shù)學(xué)復(fù)習(xí)之極大似然估計(jì)
- 有關(guān)極大似然估計(jì)若干問題的研究.pdf
- 極大似然估計(jì)在生活中的應(yīng)用
- 46718.排序集抽樣下對(duì)稱位置參數(shù)極大似然估計(jì)的性質(zhì)
- 近似因子模型的懲罰極大似然估計(jì).pdf
- 完全與非完全樣本平穩(wěn)高斯序列最大值的聯(lián)合漸近分布.pdf
- 基于最大似然和罰似然估計(jì)的CT統(tǒng)計(jì)重建算法研究.pdf
- 具有隨機(jī)擾動(dòng)的食餌-捕食者系統(tǒng)及其參數(shù)的極大似然估計(jì).pdf
- 11475.在優(yōu)良的排序集抽樣下廣義貝努利分布中參數(shù)的極大似然估計(jì)
評(píng)論
0/150
提交評(píng)論