动态极值排序集抽样设计下Rayleigh分布的参数估计  

Parametric Estimator of Rayleigh Distribution Under Moving Extremes Ranked Set Sampling Design

作　　者：沈炳良 陈望学[1] 王硕 SHEN BINGLIANG;CHEN WANGXUE;WANG SHUO(Department of Mathematics and Statistics,Jishou University,Jishou 416000,China)

机构地区：[1]吉首大学数学与统计学院,吉首416000

出　　处：《应用数学学报》2022年第4期595-606,共12页Acta Mathematicae Applicatae Sinica

基　　金：国家自然科学青年基金(11901236);湖南省自然科学面上基金项目(2022JJ30469);湖南省教育厅重点项目(21A0328);湖南省青年骨干教师项目(湘教通(2020)43号);2020年湖南省教学改革项目(HNJG-2020-0552);吉首大学2021年实验室开放基金项目(JDLF2021024)资助.

摘　　要：在统计推断里,参数估计的好坏很大程度上依赖于抽样设计,所以有效的抽样设计将是一项重要的研究课题.本文分别在简单随机抽样(SRS)和动态极值排序集抽样(MERSS)下研究了Rayleigh分布中参数的无偏估计,最优线性无偏估计(BLUE),极大似然估计(MLE)和修正MLE.数值结果显示MERSS估计比SRS估计更有效.In statistical parameter estimation problems,how well the parameters are estimated largely depends on the sampling design used.Cost effective sampling will be an important research problem.In this article,unbiased estimator,best linear unbiased estimator(BLUE),maximum likelihood estimator(MLE)and modified MLE of the parameter of Rayleigh distribution will be respectively studied under simple random sampling(SRS)and moving extrernes ranked set sampling(MERSS).The numerical results show that these estimators under MERSS are significantly more efficient than the ones under SRS.

关 键 词：动态极值排序集抽样 无偏估计 最优线性无偏估计 极大似然估计 修正极大似然估计 

分 类 号：O212.2[理学—概率论与数理统计]