| 摘要 | 第1-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| §1.1 感度 | 第12-13页 |
| §1.2 感度分布 | 第13-14页 |
| §1.3 研究现状 | 第14-17页 |
| §1.3.1 非序贯方法 | 第14-15页 |
| §1.3.2 序贯方法 | 第15-17页 |
| §1.4 本文研究内容 | 第17-19页 |
| 第二章 常用感度试验方法 | 第19-27页 |
| §2.1 升降法 | 第19-20页 |
| §2.2 兰利法 | 第20页 |
| §2.3 Fisher信息量 | 第20-23页 |
| §2.3.1 Fisher信息量的定义 | 第20-21页 |
| §2.3.2 一般情况下的Fisher信息量 | 第21-23页 |
| §2.4 Neyer_D最优化感度试验方法 | 第23-27页 |
| §2.4.1 行列式最优准则 | 第24-25页 |
| §2.4.2 行列式最优准则在两种分布上的应用 | 第25-26页 |
| §2.4.3 Neyer_D最优化法步骤 | 第26-27页 |
| 第三章 兰利法和Neyer_D法比较 | 第27-38页 |
| §3.1 从出现混合结果区对比 | 第27-31页 |
| §3.1.1 比较出现混合结果区的平均样本量 | 第27-29页 |
| §3.1.2 比较各种方法出现混合结果区的概率 | 第29-31页 |
| §3.2 从估计精度对比 | 第31-37页 |
| §3.2.1 极大似然估计 | 第31页 |
| §3.2.2 模拟比较 | 第31-37页 |
| §3.3 小结 | 第37-38页 |
| 第四章 Langlie_D优化法 | 第38-47页 |
| §4.1 Langlie_D优化法的介绍 | 第38-40页 |
| §4.2 Langlie_D优化法与传统方法的比较 | 第40-46页 |
| §4.2.1 当估计参数为θ=(μ,σ) | 第40-43页 |
| §4.2.2 当估计参数为θ=σ | 第43-45页 |
| §4.2.3 当估计参数为θ=μ | 第45-46页 |
| §4.3 小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| §5.1总结 | 第47-48页 |
| §5.2 展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录A 各种情况下的MSE比较 | 第51-54页 |
| 在学期间的研究成果及发表的论文 | 第54-55页 |
| 致谢 | 第55页 |