动态极值排序集抽样设计下Inverse Rayleigh分布的Fisher信息量及其在参数估计中的应用  

Fisher Information for Inverse Rayleigh Distribution in Moving Extremes Ranked Set Sampling Design with Application to Parameter Estimation

作　　者：陈蒙 陈望学[1] 杨瑞 CHEN MENG;CHEN WANGXUE;YANG RUI(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》2023年第5期791-803,共13页Acta Mathematicae Applicatae Sinica

基　　金：国家自然科学基金(12261036,11901236);湖南省自然科学面上基金(2022JJ30469);湖南省教育厅重点(21A0328);2020年湖南省教学改革(HNJG-2020-0552);湖南省学位与研究生教学改革研究(2022JGZD051);湖南省青年骨干教师(湘教通(2020)43号)资助项目。

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Inverse Rayleigh分布中参数的一些优良估计.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,some optimal estimates the parameter of Rayleigh distribution will be respectively studied under simple random sampling(SRS)and moving extremes 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 FISHER信息量 极大似然估计 最优线性无偏估计 最优线性同变估计 

分 类 号：O212.2[理学—概率论与数理统计]