论文部分内容阅读
删失数据的处理方法是统计理论和工程应用领域的一个重要研究方向，本文针对工程实际中普遍存在的不完全数据类型，提出了基于矩不变准则的分位数填充算法。该算法经过实践检验，具有适用面广、可操作性强、计算过程稳定的优点。由于该算法本质上是一种数据填充算法，因此我们在利用该算法得到不完全数据下的参数估计的同时，也得到与估计相对应的虚拟完全样本，这为处理不完全数据下的统计推断问题搭建了一个桥梁，借助于该虚拟完全样本，可以进行不完全数据情形下不易进行的统计推断。
在对算法的理论研究中，针对Weibull分布I型删失数据，研究了算法的收敛性以及参数估计的相合性。但所提出的矩不变准则及算法对其它分布类型及删失数据类型具有普遍适用性，并不局限于Weibull分布，只是算法的收敛性还需做进一步的研究。
对于分位数填充算法来说，分位概率的选取对算法效果的影响非常大，因此将以极大似然估计和非参极大似然估计为基础建立分位概率的选取准则，从而给出了更为可信的虚拟完全样本，也为后续的可靠度区间估计等统计评估问题建立了数据基础。
为了得到更好的虚拟完全样本，为后续的统计推断提供数据基础，对算法进行了改进，针对Weibull分布下I型删失数据中特殊的一类数据——相同定时截尾数据，提出了参数约束性等分位数填充算法。该算法在保证了算法的收敛性和参数估计相合性的前提下，给出了性质更好的虚拟完全样本。通过模拟研究可以发现，基于该算法得到的虚拟完全样本进行统计推断，可以得到比其他方法更精确的统计评估结果。另外，还将该算法推广到了位置-刻度分布族。
本文中将以Weibull分布I型删失数据和二项数据下的区间估计为例，介绍利用分位数填充算法进行区间估计方法的研究，并通过模拟给出估计效果。
另外，本文还针对实际数据进行了数据处理和统计建模方法的研究。针对太阳电池阵的失效分析，以处理过的实际监测数据为基础，通过分析数据的具体结构，提出适合该问题的数据处理方法和统计建模方法，为同类问题的研究提供了理论基础。