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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著社會的發(fā)展,人們對問題認(rèn)識的深入,刪失數(shù)據(jù)逐漸出現(xiàn)在各個研究領(lǐng)域中,如生物醫(yī)學(xué),保險精算學(xué)以及經(jīng)濟學(xué)等。而簡單刪失機制的研究已不能滿足解決現(xiàn)實問題,故復(fù)雜刪失數(shù)據(jù)的統(tǒng)計推斷問題逐漸成為研究的焦點并且其相應(yīng)的研究也在多個領(lǐng)域得到廣泛的應(yīng)用。
本文介紹復(fù)雜刪失數(shù)據(jù)類型及研究現(xiàn)狀,不同的復(fù)雜刪失類型(自適應(yīng)逐步Ⅱ型混合刪失機制、逐步Ⅰ型區(qū)間刪失機制等)的優(yōu)點、不足及模型設(shè)置。其中自適應(yīng)逐步Ⅱ型混合刪失機制在可靠性研究領(lǐng)域有廣泛應(yīng)
2、用;逐步Ⅰ型區(qū)間刪失機制在臨床醫(yī)學(xué)及工程領(lǐng)域里應(yīng)用也較為廣泛。
這里主要討論復(fù)雜刪失機制下極大似然估計的算法研究問題。本文包括以下幾部分。第一章介紹復(fù)雜刪失機制下參數(shù)估計相關(guān)研究的現(xiàn)實意義及發(fā)展概況。第二章給出幾種常用的復(fù)雜刪失機制類型及用于刻畫壽命的模型,同時簡單介紹了傳統(tǒng)的參數(shù)估計方法——極大似然估計方法(MLE)。第三章討論了在自適應(yīng)逐步Ⅱ型混合刪失機制下,Weibull分布極大似然估計問題,并在樣本量較小時,給出boo
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Ⅰ型區(qū)間刪失情形下競爭風(fēng)險混合參數(shù)模型極大似然估計漸近性研究.pdf
- 34000.刪失數(shù)據(jù)下的經(jīng)驗熵和經(jīng)驗似然
- 分組數(shù)據(jù)下競爭風(fēng)險混合模型的極大似然估計.pdf
- Logistic模型的極大似然估計.pdf
- 32213.刪失數(shù)據(jù)下若干半?yún)?shù)模型的經(jīng)驗似然與懲罰經(jīng)驗似然推斷
- 右刪失數(shù)據(jù)下非線性回歸模型的經(jīng)驗似然推斷.pdf
- 基于極大似然估計的ADC測試算法的改進與實現(xiàn).pdf
- 邊界約束下多項分布的極大似然估計與EM算法.pdf
- 極大似然和MUSIC算法用于DOA估計的DSP實現(xiàn).pdf
- Poisson混雜模型的極大似然估計.pdf
- 瑞利分布的Bayes估計與極大似然估計.pdf
- 基于經(jīng)驗似然的刪失線性模型的統(tǒng)計診斷.pdf
- 盲源分離的極大似然估計算法研究與應(yīng)用.pdf
- 有關(guān)極大似然估計若干問題的研究.pdf
- 2016考研數(shù)學(xué)復(fù)習(xí)之極大似然估計
- 基于最大似然和罰似然估計的CT統(tǒng)計重建算法研究.pdf
- 極大似然估計在生活中的應(yīng)用
- 近似因子模型的懲罰極大似然估計.pdf
- 23305.帶區(qū)間刪失數(shù)據(jù)的加速失效時間模型經(jīng)驗似然推斷
- 基于最大似然算法的DOA估計方法研究.pdf
評論
0/150
提交評論