摘要 | 第1-5页 |
Abstract | 第5-8页 |
第一章 绪论 | 第8-11页 |
·研究背景及意义 | 第8-9页 |
·国内外研究现状与分析 | 第9-10页 |
·本文内容安排 | 第10-11页 |
第二章 基于遗传算法的极大似然估计问题 | 第11-15页 |
·简单遗传算法简介 | 第11-12页 |
·基于简单遗传算法的极大似然估计 | 第12-15页 |
第三章 Weibull分布参数及泛函的Bayes估计 | 第15-19页 |
·Lindley逼近 | 第15-16页 |
·参数及泛函的近似Bayes估计 | 第16-19页 |
第四章 尺度参数λ及失效率的经验Bayes估计 | 第19-31页 |
·完全样本情形 | 第19-26页 |
·尺度参数λ的经验Bayes估计 | 第19-20页 |
·经验Bayes估计λ_n(x)的渐近最优性 | 第20-25页 |
·失效率的经验Bayes估计 | 第25-26页 |
·Ⅱ型截尾样本情形 | 第26-27页 |
·核函数K(x)的优良性 | 第27-31页 |
第五章 完全样本下形状参数θ已知时生存函数的估计 | 第31-34页 |
·生存函数F|-(x;θ,λ)的非参数估计 | 第31-32页 |
·估计量(F|-)_n(x)的均方相合性 | 第32-34页 |
第六章 数值模拟计算 | 第34-44页 |
·基于遗传算法的极大似然估计的模拟计算 | 第34-37页 |
·基于双曲正割函数核估计的模拟计算 | 第37-40页 |
·生存函数估计的模拟计算 | 第40-44页 |
第七章 全文总结与展望 | 第44-46页 |
·全文总结 | 第44-45页 |
·未来研究想法 | 第45-46页 |
参考文献 | 第46-49页 |
硕士期间的研究成果 | 第49-50页 |
致谢 | 第50-51页 |
附录 | 第51-53页 |