叶慈南
- 作品数：19 被引量：81H指数：5
- 供职机构：上海理工大学理学院更多>>
- 发文基金：国家自然科学基金上海市教育委员会重点学科基金更多>>
- 相关领域：理学经济管理电子电信更多>>
- 一类多维指数分布的参数估计被引量：1
- 2006年
- 考虑生存函数为-F（x1,x2,……xn）=P{X1＞x1…,Xn＞xn}=exp{-[n∑i=1（xi/θi）♂]δ}（0＜xi＜∞,0＜δ≤1,0＜θi＜∞,i=-↑1,n 的一类多维指数分布，给出了它的密度函数的表示式，并讨论了它的性质．提出了相关参数δ的估计δ，证明了δ有相合性和渐近正态性，得到了δ的渐近方差δ．最后还给出了若干随机模拟的结果．
- 徐冬元叶慈南汪美辰
- 一类嵌套多元指数分布相关参数的矩型估计被引量：1
- 2007年
- 本文研究一类具有三个相关参数的嵌套多元指数分布,其生存函数为其中,0
- 王辉叶慈南严广乐
- 关键词：渐近性质
- 应力服从一类嵌套多元指数分布的结构可靠度估计
- 2009年
- 本文研究应力服从一类嵌套多元指数分布,强度服从指数分布的应力—强度结构可靠度模型.分别在强度参数未知、应力参数已知和强度参数已知、应力参数未知的情况下给出了结构可靠度PA的估计PA1和PA2,并讨论了它们的渐近性质,而且获得了PA的近似置信区间.最后对这两种情况下模型结构可靠度的估计PA1和PA2进行了随机模拟,随机模拟结果令人满意.
- 王辉叶慈南严广乐
- 关键词：结构可靠度强相合性渐近正态性
- LBVW分布的Fisher信息矩阵被引量：2
- 2003年
- 文本考察由Larry Lee提出的其生存函数为 F(x_1,x_2)=exp{-[(x_1/θ_1)^(1/αδ)]~δ} (x_i>0,θ_i>0,i=1,2;0<δ≤1,α>0)的LBVW(θ_1,θ_2,δ,α)分布的统计性质,该分布的Fisher信息矩阵被导出。
- 叶慈南
- 关键词：生存函数
- MOBVE分布参数的估计及其改进
- 2001年
- 本文讨论由 Ｍａｒｓｈａｌｌ和Ｏｌｋｉｎ 引进的二元指数分布（ＭＯＢＶＥ分布）的参数估计问题．这个分布关于某个控制测度的密度函数被提出．对于边缘分布相同的情形，本文给出了充分统计量并讨论了它的性质；对两个参数各提出了一个无偏估计并采用协方差改进法分别对其作了改进．
- 叶慈南
- 关键词：参数估计无偏性充分统计量
- 上海市居民消费的实证分析被引量：5
- 2003年
- 本文利用上海近10年城市居民消费的统计数据,分析了居民消费与人均国内生产总值及人均实际收入之间的量化关系,建立了两个数学模型,并对前一个模型进行了拟合。
- 汪美辰叶慈南
- 关键词：居民消费人均GDP消费结构
- 随机截尾情形下MOBVE分布的统计推断
- 1995年
- 本文讨论联合生存函数为Ｆ（ｘ，ｙ）＝ｅｘｐ［－λ１ｘ－λ２ｙ－λ３ｍａｘ（ｘ，ｙ）］，（ｘ＞０，ｙ＞０），λ１＞０，λ２＞０，λ３≥０的二元指数分布（ＭＯＢＶＥ）的统计推断问题。随机截尾寿命试验下的元件和串联系统的寿命试验数据被联合使用。文中给出了参数λ１，λ２，λ３的极大似然估计并讨论了它们的渐近性质，还得到了若干关于参数λ１，λ２和λ３的假设的渐近检验程序。
- 叶慈南
- 关键词：随机截尾统计推断
- 强度为MOBVE分布时并联结构系统可靠度的估计被引量：12
- 2000年
- 设系统 A由两个结构单元 A1 和 A2 并联组成 .A1 和 A2 的强度 (Y1 ,Y2 )服从由 Marshall和 Olkin提出的 MOBVE分布 ,其联合可靠度函数为 R(y1 ,y2 ) =exp[-λ1 y1 -λ2 y2 -λ1 2 max(y1 ,y2 ) ] .I[y1>0 ,y2 >0 ] ,其中 λ1 >0 ,λ2 >0 ,λ1 2 ≥ 0均未知 .系统 A所承受的应力服从指数分布 (参数未知 ) .本文给出了系统 A的可靠度 PA的两种估计 PA和 PA以及两种渐近置信下限L(PA)^和L(PA) ,讨论了 PA和 PA 的统计性质 ,最后还进行了模拟计算 .
- 叶慈南
- 关键词：可靠度渐近性质
- 完全样本情形下威布尔分布参数的估计被引量：21
- 2003年
- 考虑尺度参数为θ、形状参数为β的二参数威布尔分布。本文讨论完全样本情形下θ和β的矩型估计和的性质,并把和与θ和β的简单线性无偏估计和作了比较。和具有强相合性和渐近正态性,且计算简单、使用方便。本文还给出了一些随机模拟结果。
- 叶慈南
- 关键词：威布尔分布渐近性质
- 我国城镇居民消费需求分析与预测被引量：8
- 2005年
- 根据《中国统计年鉴》中的相关数据,采用扩展线性支出系统方法对我国1998—2002年城镇居民的消费需求情况进行实证分析,以揭示近年来我国城镇居民消费支出情况及特点,运用时间序列线性回归模型对未来我国城镇居民的消费需求变化趋势、消费热点进行预测。
- 王辉周荣军叶慈南
