一、对正态总体方差的一致最优势无偏检验（论文文献综述）
阮明恕[1]（1995）在《对正态总体方差的一致最优势无偏检验》文中研究表明本文给出了对正态总体方差的一致最优势无偏（ＵＭＰＵ）检验的临界值。
李晓康[2]（2011）在《基于似然比统计量的正态总体的检验》文中提出假设检验问题的关键是在一定的统计思想之下构造相关的统计量。极大似然思想是统计和实际应用中的一种重要思想。基于极大似然原理,构造似然比统计量,讨论正态总体的检验问题,其结果与传统的U检验、T检验、χ2检验一致。
董满才[3]（2007）在《多管火箭落点分布和射程与密集度试验评估方法研究》文中进行了进一步梳理本文从数理统计角度，通过对多管火箭射程与密集度评估理论、试验、计算三方面的系统研究，形成了多管火箭落点分布理论，建立了射程与密集度试验评估新方法，为科学确定射程与密集度试验用弹量、提高试验评估精度和采用非满管射击代替满管齐射进行多管火箭密集度试验提供了数理依据。在深入研究多管火箭射弹落点分布特征的基础上，建立了多管火箭射弹落点一元近似分布模型；对多管火箭非满管射击落点的分布及其与齐射的一致性进行了分析和检验，首次从数理统计理论的角度，证明了多管火箭在密集度试验中用非满管代替满管进行射击试验的可行性。改进了前人关于射程与密集度试验用弹量确定方法的缺陷和不足，建立了基于射击命中率、试验效益确定试验用弹量的新方法。推导了射弹落点变异系数的概率密度模型，证明了用样本变异系数估计总体变异系数的无偏性；采用随机模拟的方法，解决了样本变异系数概率分位数的计算难题，建立了射弹落点变异系数的检验方法。通过模拟计算，发现在总体服从正态分布的情况下Bootstrap方法区间估计的可靠度低于经典统计方法，证明了应用该方法时样本容量应不小于17的结论。该方法可以解决多管火箭落点分布在非正态条件下射程与密集度的估计和检验问题。建立了武器射程与密集度的Bayes试验评估模型和先验分布的确定方法，解决了Bayes方法在兵器试验中应用的关键技术难题，推导了武器射程与密集度Baves估计精度和Bayes检验弃真和存伪概率的计算模型。给出了基于均匀先验分布武器射程的Bayes评估方法。分别建立了单、双参数在完全序化和不完全序化条件下的试验信息融合理论和方法。研究了基于多阶段试验信息融合的武器射程与密集度的试验评估方法。解决了常规兵器试验中多阶段试验信息的融合利用难题。
汪静贤,阮明恕[4]（2000）在《求正态总体方差的一致最优化无偏检验的临界值的算法》文中提出本文给出了求正态总体方差的一致最优化无偏检验的临界值的算法。
蔡洁,夏乐天[5]（2008）在《正态分布方差的UMPU检验和UMAU置信区间研究》文中研究表明传统的正态分布方差的双侧检验中,使用x2分布的双侧分位点得到的显然并不是一致最优势无偏检验（UMPUT）.证明了正态分布方差的UMPUT的存在唯一性,并对容量n从4到39时,分别计算出了显着性水平α=0.10,0.05,0.01时的UMPUT拒绝域的临界值.传统方法（按概率对称）得到的置信区间一般不是UMAU（一致最准确无偏）置信区间,后者是按UMPUT对偶关系得到的置信区间,文中计算的UMPUT拒绝域的临界值显然是用来构造UMAU置信区间的.并对传统方法的置信区间与文中求出的置信区间的长度进行了对比分析,结果表明:在n≤39时,中求得的置信区间将会使精度显着提高.
李晓云[6]（2015）在《双参数指数分布的统计分析》文中研究指明双参数指数分布是寿命分析里的一个重要分布,也是位置尺度分布族里具有代表性的分布,对其研究具有一定的实际意义.本文从研究双参数指数分布次序统计量的分布和性质入手,研究单个次序统计量的分布以及多个次序统计量的联合分布,进而求出极差分布,得出双参数指数分布的极差分布与单参数指数分布的极差分布相同的结论.研究次序统计量的独立性.进而采用由一般到特殊的方法,依次研究各次序统计量的期望,方差,协方差等.然后,从简单随机抽样和排序集抽样两个方面对其进行统计分析.在简单随机抽样中对双参数指数分布进行参数估计,分别从全样本和定数截尾样本两个角度,研究了位置参数?和尺度参数?的参数估计,包括极大似然估计,最小方差无偏估计,最优同变估计.其中,最优同变估计考虑了另一种损失函数的情况.继而利用蒙特卡洛方法对文中出现的三种估计进行数据模拟.在简单随机抽样中对双参数指数分布进行图检验和似然比检验.对双参数指数分布的似然比检验做了较详尽的研究,并且给定检验函数?)(x.最后讨论了在排序集中双参数指数分布的参数估计.介绍了排序集抽样的具体过程,以均值X为例,从期望和方差的角度对两种抽样方式进行比较,最终得出基于方差比较,有排序集抽样优于简单随机抽样的结论.本节对于双参数指数分布统计分析仅限于极大似然估计的求解,且最终求得了修正后对于?和?的极大似然估计.
程献礼[7]（2013）在《贝叶斯推理的逻辑哲学研究》文中认为贝叶斯推理理论是归纳逻辑理论和应用研究的热点,本文在借鉴国内外上归纳逻辑最新研究成果的基础上,系统阐述了归纳疑难和归纳悖论、贝叶斯主义和贝叶斯概率逻辑的恰当性、贝叶斯统计推理的恰当性以及贝叶斯网络的哲学意义等问题,重点论证了归纳逻辑哲学的中心问题是逻辑形式系统与其现实原型的恰当相符性问题,分析了认知科学中着名的蒙提霍尔问题、从因明论式的角度对确证悖论做了全新的解读。从逻辑、哲学与认知三个方面总结了归纳逻辑发展的趋势和展望了现代归纳逻辑的未来。论文首先在比较解决休谟问题的不同方案的前提下,指出贝叶斯方案在解决休谟问题上的优越性,论证贝叶斯方法是如何实现客观性和主观性的统一,私人性和公共性的统一的。其次,阐明了贝叶斯推理的形式化发展对现代归纳逻辑发展的贡献。认为贝叶斯推理的形式化使得现代归纳推理获得并具备了与演绎推理大致相等的地位,按照贝叶斯主义的路径和方法所进行的推理研究,将是科学的、合理的推理方法。第三,指出贝叶斯推理可以更好地处理各种疑难问题。主张在经验与先验、主观与客观之间保持必要的张力,以避免和克服贝叶斯推理所面临的困难,预测了贝叶斯推理未来发展的方向和前景。第四,对三种主要的概率解释进行解读,认为概率解释是多元的,是一个从客观到主观的连续谱系。第五,从贝叶斯推理的视角分析了非经典统计推理的显着性检验和估计理论,认为经典“估计”理论和显着性检验理论都不具有归纳意义,不能用于裁定竞争理论。论文最后指出,不断追求恰当相符是贝叶斯主义归纳逻辑系统产生发展的原动力。在对贝叶斯推理和非贝叶斯推理比较研究的基础上,论文探讨了贝叶斯统计推理中的应用问题。首先,探讨了贝叶斯统计推理的可应用性问题,指出贝叶斯统计推理具有主观与客观相结合的特性。其次,探讨了贝叶斯推理的另一个重要的应用——贝叶斯网络,认为这种不确定推理可以广泛应用于机器学习、人工智能以及无人机等领域,具有较大的可应用性。最后,论文认为贝叶斯推理在认知科学领域及在因明理论中的分析表明,贝叶斯推理不仅要考虑外延因素,而且要探讨涉及背景信息之类的因素。
张莉娜,濮晓龙[8]（2009）在《单总体方差检验中一致最大势检验（UMPUT）临界值的研究》文中提出方差检验问题在实际生活中应用广泛,对于同一假设可能有不同的检验方法,这就涉及到检验方法的优劣性问题,本文就正态总体对单总体方差检验作了一些研究.对单总体问题,考虑H0∶σ2=σ02vsH1∶σ2≠σ02,通常采用的χ2检验并不是无偏的,给出了无偏检验的临界值.将该无偏检验与常用的χ2检验就势函数进行比较,指出当样本量n不大时二者是有差别的.
李树有[9]（2006）在《正态总体参数在序约束下的估计与检验》文中指出本文主要利用序约束下的统计推断方法在多个正态总体均值和方差都是未知参数,所取的正态总体样本数不等时,对均值和标准差的比在简单半序,树序,环序和伞序约束下的极大似然估计和检验问题进行了研究。首先,根据算法的思想,讨论并给出了均值和标准差在均值和标准差的比满足简单半序,树序,环序和伞序约束的极大似然估计的计算方法。并给出了相应算法的证明。其次,讨论了多维正态总体均值和协方差阵同时在简单半序约束下的极大似然估计性质和计算方法。并给出了相应算法的证明。最后,利用似然比检验法,Bootstrap算法,广义p-值和U-I检验法研究了多个正态总体均值与标准差比在等值和序约束下的检验问题。提出了相应的广义检验变量,得到了多个正态总体均值与标准差比满足序约束检验问题的广义p-值。同时,运用Monte Carlo方法给出了模拟结果,说明了提出方法的有效性。
范大茵[10]（1987）在《参数最优检验在实际应用中合理性的探讨》文中进行了进一步梳理本文讨论最优检验的直观合理性,给出了不具有直观合理性的最优无偏检验函数之例。另外,本文对检验函数提出了某种直观合理性的准则,并以此准则对正态分布的常用检验函数是否具有直观合理性进行了讨论。
二、对正态总体方差的一致最优势无偏检验（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、对正态总体方差的一致最优势无偏检验（论文提纲范文）
（2）基于似然比统计量的正态总体的检验（论文提纲范文）
| 1 极大似然原理 |
| 2 似然比 |
| 3 正态总体的检验 |
| 3.1 单个正态总体均值的检验 (总体方差σ2=σ20已知) |
| 3.2 单个正态总体均值的检验 (总体方差σ2未知) |
| 3.3 单个正态总体方差的检验 |
| 4 结论 |
（3）多管火箭落点分布和射程与密集度试验评估方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪言 |
| 1.1 数理统计理论在兵器试验评估中的地位和作用 |
| 1.2 常规兵器试验项目的统计学分类及总体与个体的概念内涵 |
| 1.3 兵器试验中的确定性和随机性分析及统计推断的一般程序和方法 |
| 1.4 基于 Bayes 统计的武器试验评估方法概述 |
| 1.5 国内外常规武器试验评估方法研究概况及发展趋势 |
| 1.6 武器系统射程和密集度的定义 |
| 1.7 现行多管火箭射程与密集度试验评估方法的主要不足 |
| 1.8 本论文的主要内容 |
| 2 多管火箭射弹落点分布规律研究 |
| 2.1 预备知识 |
| 2.2 多管火箭射弹落点分布规律的研究 |
| 2.3 无假设条件下多管火箭落点分布的形态 |
| 2.4 多管火箭落点分布的试验数据分析 |
| 2.5 多管火箭非满管代替满管密集度射击试验的理论分析 |
| 2.6 多管火箭非满管代替满管齐射试验分析 |
| 2.7 本章小结 |
| 3 多管火箭落点方差的分布研究 |
| 3.1 预备知识 |
| 3.2 样本方差的分布 |
| 3.3 关于样本均值与样本方差独立的条件研究 |
| 3.4 多管火箭落点分布总体平均方差的检验模型 |
| 3.5 小结 |
| 4 多管火箭射程与密集度试验评估用弹量研究 |
| 4.1 射程估计用弹量研究 |
| 4.2 密集度估计用弹量问题研究 |
| 4.3 根据命中率确定射程和密集度估计精度的方法 |
| 4.4 射程检验的用弹量问题 |
| 4.5 试验结论的可信度与实际用弹量关系 |
| 4.6 小结 |
| 5 射弹落点变异系数及其检验方法研究 |
| 5.1 射弹落点的结尾分布 |
| 5.2 射弹落点变异系数的定义 |
| 5.3 射弹落点样本变异系数的分布 |
| 5.4 样本变异系数概率分位数的模拟计算方法 |
| 5.5 样本变异系数的分布特点及其数字特征量 |
| 5.6 变异系数的检验方法 |
| 5.7 本章小结 |
| 6 样本自助统计方法及其在多管火箭试验中的应用研究 |
| 6.1 样本自助统计方法概述 |
| 6.2 Bootstrap 方法的精度分析 |
| 6.3 随机加权法的精度分析 |
| 6.4 样本自助统计方法在多管火箭射程与密集度鉴定评估中的应用 |
| 6.5 本章小结 |
| 7 射程与密集度 Bayes 评估方法研究 |
| 7.1 Bayes 方法与经典统计方法参数估计精度对比 |
| 7.2 射程与密集度的 Bayes 估计模型 |
| 7.3 射程与密集度的先验分布的求取方法 |
| 7.4 基于均匀先验分布的射程评估方法 |
| 7.5 射程与密集度的 Bayes 检验 |
| 7.6 本章小结 |
| 8 射程与密集度多阶段试验信息融合评估方法 |
| 8.1 多管火箭不同试验阶段射程与密集度特点分析 |
| 8.2 异总体信息融合统计推断方法 |
| 8.3 密集度已知时射程的多阶段试验信息融合评估方法 |
| 8.4 射程已知时总体方差的多阶段试验信息融合评估方法 |
| 8.5 射程和密集度都未知时的多阶段信息联合融合评估方法 |
| 8.6 本章小结 |
| 9 结束语 |
| 9.1 本论文的主要工作 |
| 9.2 主要创新点 |
| 9.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读博士学位期间发表论文及科研情况 |
（4）求正态总体方差的一致最优化无偏检验的临界值的算法（论文提纲范文）
| 1 C1T与C2T的相关性质 |
| 2 算 法 |
（6）双参数指数分布的统计分析（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 国内外的研究现状 |
| 1.3 本文所做的工作 |
| 2 双参数指数分布次序统计量的研究 |
| 2.1 次序统计量的分布 |
| 2.2 次序统计量的独立性 |
| 2.3 次序统计量的期望方差 |
| 3 SRS中双参数指数分布的参数估计 |
| 3.1 基于全样本和Type-II型截尾样本的MLE |
| 3.2 基于全样本和Type-II型截尾样本的UMVUE |
| 3.3 基于全样本和Type-II型截尾样本的MREE |
| 3.4 数据模拟 |
| 4 SRS中双参数指数分布的假设检验 |
| 4.1 图检验法 |
| 4.2 似然比检验 |
| 5 RSS中双参数指数分布的参数估计 |
| 5.1 引言 |
| 5.2 基于X的抽样优劣性比较 |
| 5.3 双参数指数分布的极大似然估计 |
| 结论 |
| 参考文献 |
| 在读期间发表的论文 |
| 后记 |
（7）贝叶斯推理的逻辑哲学研究（论文提纲范文）
| 摘要 |
| Abstract |
| 导论 |
| 一、问题的提出 |
| 二、国内外研究现状 |
| (一) 国外研究现状 |
| (二) 国内研究现状 |
| 三、研究的意义 |
| 四、本文的基本思路和结构 |
| (一) 研究的难点及拟创新点 |
| (二) 本文的研究思路 |
| 第一章 归纳疑难与归纳逻辑问题 |
| 第一节 归纳疑难 |
| 第二节 波普尔对归纳疑难的论证 |
| 1.2.1 从实践中的科学方法看波普尔的证伪主义思想 |
| 1.2.2 贝叶斯推理：一种具有客观主义理想的归纳推理 |
| 第三节 归纳逻辑面临的主要问题 |
| 第二章 贝叶斯推理的逻辑机制 |
| 第一节 概率演算 |
| 2.1.1 概率公理及其定理 |
| 2.1.2 条件概率和合取规则 |
| 2.1.3 贝叶斯定理 |
| 2.1.4 贝叶斯定理的可应用性 |
| 2.1.5 从认知科学的角度看贝叶斯定理的恰当性 |
| 第二节 概率解释 |
| 2.2.1 逻辑解释 |
| 2.2.2 主观解释 |
| 2.2.3 非认识论解释：频率和机遇 |
| 2.2.4 从客观到主观：一个连续的谱系 |
| 第三章 非贝叶斯推理：显着性检验和估计 |
| 第一节 非贝叶斯推理及其证伪主义 |
| 3.1.1 非贝叶斯推理 |
| 3.1.2 非贝叶斯中的证伪主义 |
| 第二节 非贝叶斯推理中显着性检验的不同表述 |
| 3.2.1 费舍尔的显着性检验 |
| 3.2.2 内曼-皮尔逊显着性检验 |
| 3.2.3 显着性和归纳显着性的比较 |
| 3.2.4 检验合成假设 |
| 3.2.5 一个一致最大功率无偏检验(UMPU) |
| 第三节 非贝叶斯估计理论 |
| 3.3.1 点估计 |
| 3.3.2 区间估计 |
| 第四节 抽样 |
| 3.4.1 随机抽样 |
| 3.4.2 判断抽样 |
| 3.4.3 对判断抽样的异议 |
| 3.4.4 判断抽样的优点 |
| 简要的评论 |
| 第四章 统计理论中的贝叶斯推理 |
| 第一节 对贝叶斯归纳主观性的质疑 |
| 4.1.1 对正态总体均值的估计 |
| 4.1.2 估计二项比例 |
| 4.1.3 可信区间和置信区间 |
| 第二节 平稳估计原理的应用 |
| 第三节 对证据的刻画：以掷币过程为例 |
| 第四节 抽样 |
| 第五节 因果假设检验中贝叶斯归纳的使用 |
| 4.5.1 临床试验的贝叶斯分析 |
| 4.5.2 无随机化过程的临床实验 |
| 第五章 贝叶斯网络：贝叶斯推理的应用 |
| 第一节 贝叶斯网络概述 |
| 5.1.1 贝叶斯网络的要素 |
| 5.1.2 贝叶斯网络的分类 |
| 第二节 贝叶斯网络的推理模式 |
| 5.2.1 贝叶斯网络学习 |
| 5.2.2 基于因果关系的贝叶斯网络结构学习 |
| 5.2.3 贝叶斯网络参数学习 |
| 5.2.4 贝叶斯网络推理 |
| 第三节 贝叶斯网络推理的恰当性和可应用性 |
| 第六章 关于贝叶斯推理的考察和展望 |
| 第一节 客观与主观：归纳逻辑中相辅相成的两方面 |
| 6.1.1 经典归纳逻辑：卡尔纳普方案 |
| 6.1.2 主观化归纳逻辑：德·芬内蒂方案 |
| 6.1.3 超越经典：新奇归纳逻辑的兴起 |
| 第二节 蒙提霍尔疑难的认知阐释和逻辑解析 |
| 6.2.1 蒙提霍尔疑难的提出 |
| 6.2.2 蒙提霍尔疑难的逻辑解 |
| 6.2.3 蒙提霍尔疑难给我们的启示 |
| 第三节 因明论式视野中的确证悖论 |
| 6.3.1 因明三支论式的逻辑特征 |
| 6.3.2 绿蓝悖论新解 |
| 6.3.3 渡鸦悖论新解 |
| 结语 |
| 参考文献 |
| 一、英文参考文献 |
| 二、中文参考文献 |
| 致谢 |
| 个人简历和博士期间主要科研成果 |
| 一、简历 |
| 二、博士期间主要科研成果 |
（8）单总体方差检验中一致最大势检验（UMPUT）临界值的研究（论文提纲范文）
| 0 引 言 |
| 1 单总体正态分布方差检验 |
| 2 无偏检验界值表 |
| 3 常用的检验与UMPUT的比较 |
（9）正态总体参数在序约束下的估计与检验（论文提纲范文）
| 致谢 |
| 提要 |
| 前言 |
| 第一章 序约束下统计推断理论简介 |
| 1.1 引言 |
| 1.2 保序回归与最大似然估计 |
| 1.2.1 保序回归的概念与计算方法 |
| 1.2.2 保序回归与最大似然估计 |
| 1.2.3 多维保序回归 |
| 第二章 正态总体均值与标准差比在序约束下的最大似然估计 |
| 2.1 引言 |
| 2.2 正态总体均值与标准差比在序约束下的最大似然估计 |
| 2.2.1 正态总体均值与标准差比在简单半序约束下的最大似然估计 |
| 2.2.2 正态总体均值与标准差比在树序约束下的最大似然估计 |
| 2.2.3 正态总体均值与标准差比在环序约束下的最大似然估计 |
| 2.2.4 正态总体均值与标准差比在伞序约束下的最大似然估计 |
| 2.3 模拟结果 |
| 第三章 多维正态总体均值和协方差阵在简单半序约束下的最大似然估计 |
| 3.1 引言 |
| 3.2 (θ, Λ) 的MLE 的性质 |
| 3.3 (θ, Λ) 的MLE 的一个算法 |
| 第四章 正态总体均值与标准差比在序约束下的假设检验 |
| 4.1 引言 |
| 4.2 正态总体均值与标准差比在等值条件下的似然比检验 |
| 4.3 正态总体均值与标准差比在序约束下的广义P-值检验 |
| 4.4 模拟计算结果与讨论 |
| 4.4.1 k 个正态总体均值与标准差比等值条件下的似然比检验的模拟结果 |
| 4.4.2 k 个正态总体均值与标准差比在序约束下的广义P-值检验的模拟结果 |
| 结论 |
| 攻博期间发表(撰写)的学术论文 |
| 中文摘要 |
| Abstract |
四、对正态总体方差的一致最优势无偏检验（论文参考文献）
- [1]对正态总体方差的一致最优势无偏检验[J]. 阮明恕. 工科数学, 1995(04)
- [2]基于似然比统计量的正态总体的检验[J]. 李晓康. 廊坊师范学院学报(自然科学版), 2011(04)
- [3]多管火箭落点分布和射程与密集度试验评估方法研究[D]. 董满才. 南京理工大学, 2007(06)
- [4]求正态总体方差的一致最优化无偏检验的临界值的算法[J]. 汪静贤,阮明恕. 辽宁工学院学报, 2000(01)
- [5]正态分布方差的UMPU检验和UMAU置信区间研究[J]. 蔡洁,夏乐天. 南京大学学报数学半年刊, 2008(02)
- [6]双参数指数分布的统计分析[D]. 李晓云. 新疆师范大学, 2015(02)
- [7]贝叶斯推理的逻辑哲学研究[D]. 程献礼. 南开大学, 2013(07)
- [8]单总体方差检验中一致最大势检验（UMPUT）临界值的研究[J]. 张莉娜,濮晓龙. 浙江大学学报(理学版), 2009(04)
- [9]正态总体参数在序约束下的估计与检验[D]. 李树有. 吉林大学, 2006(05)
- [10]参数最优检验在实际应用中合理性的探讨[J]. 范大茵. 浙江大学学报(自然科学版), 1987(05)