Η παρούσα διατριβή εντάσσεται ερευνητικά στην περιοχή της Στατιστικής Θεωρίας Αποφάσεων και ειδικότερα στην (σημειακή) εκτίμηση του ποσοστιαίου σημείου στο μοντέλο της διπαραμετρικής εκθετικής κατανομής. Το πρόβλημα της εκτίμησης του ποσοστιαίου σημείου από τη σκοπιά της Στατιστικής Θεωρίας Αποφάσεων ακολούθησε αυτό της παραμέτρου κλίμακας, ειδικότερα αναφέρουμε το πρόβλημα εκτίμησης της διασποράς κανονικής κατανομής με άγνωστη μέση τιμή από τον Stein (1964). Στην εργασία εκείνη ο Stein απέδειξε ότι, με κριτήριο το μέσο τετραγωνικό σφάλμα, ο βέλτιστος αναλλοίωτος εκτιμητής της διασποράς είναι μη αποδεκτός, κατασκευάζοντας άλλον με μικρότερο μέσο τετραγωνικό σφάλμα. Εν συνεχεία, οι Brewster and Zidek (1974) παρουσίασαν δύο γενικές τεχνικές κατασκευής βελτιωμένων εκτιμητών, εφαρμόσιμες για τυχαία bowl-shaped συνάρτηση ζημίας και αποτελεσματικές, κυρίως όταν η υπό εκτίμηση παράμετρος είναι η παράμετρος κλίμακας και επί πλέον υπάρχει και άλλη άγνωστη παράμετρος. Αντικείμενο της μεταπτυχιακής διατριβής είναι η εκτίμηση του ποσοστιαίου σημείου θεωρώντας ανεξάρτητα τυχαία δείγματα από εκθετικούς πληθυσμούς με την ίδια παράμετρο θέσης και διαφορετική παράμετρο κλίμακας για κάθε πληθυσμό ξεχωριστά. Βασιζόμενοι στην εργασία των Kumar and Sharma (1996) βρίσκουμε εκτιμητή μέγιστης πιθανοφάνειας και αμερόληπτο εκτιμητή ελάχιστης διασποράς για το ποσοστιαίο σημείο από τον πρώτο εκθετικό πληθυσμό και στην συνέχεια εφαρμόζουμε τη τεχνική κατασκευής, βελτιωμένων εκτιμητών, των Brewster and Zidek (1974). Η παρουσίαση των επί μέρους θεμάτων και αποτελεσμάτων της διατριβής αυτής οργανώνεται ως εξής. Στο Κεφάλαιο 1 αναφέρονται κάποια βασικά στοιχεία θεωρίας από τη Μαθηματική Στατιστική, όπως βασικοί ορισμοί και θεωρήματα σχετικά κυρίως με τη συνάρτηση κινδύνου (risk function), τους εκτιμητές (UMVUE), τους εκτιμητές μέγιστης πιθανοφάνειας (MLE) και τους αναλλοίωτους (equivariant) εκτιμητές. Στο Κεφάλαιο 2 ορίζεται η διπαραμετρική εκθετική κατανομή και το ποσοστιαίο σημείο της διπαραμετρικής εκθετική κατανομής, , θετική σταθερά ,από τον πρώτο εκθετικό πληθυσμό, το οποίο στη συνέχεια εκτιμάται από τον εκτιμητή μέγιστης πιθανοφάνειας και από τον εκτιμητή. Στο Κεφάλαιο 3 χρησιμοποιούνται τεχνικές βελτίωσης του εκτιμητή του ποσοστιαίου σημείου. Αρχικά εντοπίζεται ο βέλτιστος εκτιμητής του ποσοστιαίου σημείου στην κλάση των εκτιμητών με κριτήριο το μέσο τετραγωνικό σφάλμα και στη συνέχεια χρησιμοποιείται η τεχνική κατασκευής, βελτιωμένων εκτιμητών, των Brewster and Zidek (1974) όταν και όταν . Τέλος στο Κεφάλαιο 4 αναφέρονται κάποια Λήμματα τα οποία χρησιμοποιούνται σε αποδείξεις προτάσεων της διατριβής. / Estimating quantiles of a selected exponential population from k populations.

Η παρούσα διπλωματική διατριβή εντάσσεται ερευνητικά στη περιοχή της Στατιστικής Θεωρίας Αποφάσεων, καθώς ασχολούμαστε με τη μελέτη της κατανομής Laplace CL(θ,s), όπου με θ και s συμβολίζονται αντίστοιχα οι παράμετροι θέσεως και κλίμακος, και η οποία θεωρείται ως ιδανικό μοντέλο κατανομής οικονομικής φύσεως δεδομένων. / This thesis is part of research in the area of Statistical Decision Theory, as it deals with the study of the distribution Laplace CL (θ, s), where θ and s respectively symbolized the position and scale parameters, which is considered as an ideal model of distribution of economic kind of data.

There are some existing commonly used goodness-of-fit tests, such as the Kolmogorov-Smirnov test, the Cramer-Von Mises test, and the Anderson-Darling test. In addition, a new goodness-of-fit test named G test was proposed by Chen and Ye (2009). The purpose of this thesis is to compare the performance of some goodness-of-fit tests by comparing their power. A goodness-of-fit test is usually used when judging whether or not the underlying population distribution differs from a specific distribution. This research focus on testing whether the underlying population distribution is an exponential distribution. To conduct statistical simulation, SAS/IML is used in this research. Some alternative distributions such as the triangle distribution, V-shaped triangle distribution are used. By applying Monte Carlo simulation, it can be concluded that the performance of the Kolmogorov-Smirnov test is better than the G test in many cases, while the G test performs well in some cases.

The statistical inference about the reliability parameter R involving independent gamma stress and exponential strength is considered. Assuming the shape parameter of gamma is a known arbitrary real number and the scale parameters of gamma and exponential are unknown, the UMVUE and MLE of R are obtained. A pivot is proposed. Some inference about R derived from this pivot is presented. It will be shown that the pivot can be used for testing hypothesis and constructing condence interval. A procedure of constructing the condence interval for R is derived. The performances of the UMVUE and MLE are compared numerically based on extensive Monte Carlo simulation. Simulation studies indicate that the performance of the two estimators is about the same. The MLE is preferred because of the simplicity of its computation.

No description available.

No description available.

在本文中，我們證明了：若對應於壽命分佈函數F之更新函數為凸（ 凹 ）族，因此解決了Shaked和Zhu(1992)所提出的兩個問題。 蝻う漫宒銵A 我們進一步得到了於某些特定之壽命分佈函數族中， / We prove that if the renewal function M(t) corresponding to a life distribution F is convex(resp. concave) then F is NBU(resp. NWU), and hence answer two questions posed by Shaked and Zhu(1992). Moreover, based on the renewal function, some characterizations of the exponential distribution within certain classes of life distributions are given. Key words and phrases:exponential distribution;renewal counting process; DFR;NBU;NWU;NBUE;NWUE.

A life distribution and its survival function F = 1 - F with finitemean y = /q F(x)dx are said to be HNBUE (HNWUE) if F(x)dx &lt; (&gt;)U exp(-t/y) for t &gt; 0. The major part of this thesis deals with the classof HNBUE (HNWUE) life distributions. We give different characterizationsof the HNBUE (HNWUE) property and present bounds on the moments and on thesurvival function F when this is HNBUE (HNWUE). We examine whether theHNBUE (HNWUE) property is preserved under some reliability operations andstudy some test statistics for testing exponentiality against the HNBUE(HNWUE) property.The HNBUE (HNWUE) property is studied in connection with shock models.Suppose that a device is subjected to shocks governed by a counting processN = {N(t): t &gt; 0}. The probability that the device survives beyond t isthen00H(t) = S P(N(t)=k)P, ,k=0where P^ is the probability of surviving k shocks. We prove that His HNBUE (HNWUE) under different conditions on N and * ^orinstance we study the situation when the interarrivai times between shocksare independent and HNBUE (HNWUE).We also study the Pure Birth Shock Model, introduced by A-Hameed andProschan (1975), and prove that H is IFRA and DMRL under conditions whichdiffer from those used by A-Hameed and Proschan.Further we discuss relationships between the total time on test transformHp^(t) = /q ^F(s)ds , where F \t) = inf { x: F(x) &gt; t}, and differentclasses of life distributions based on notions of aging. Guided by propertiesof we suggest test statistics for testing exponentiality agains t IFR,IFRA, NBUE, DMRL and heavy-tailedness. Different properties of these statisticsare studied.Finally, we discuss some bivariate extensions of the univariate properties NBU, NBUE, DMRL and HNBUE and study some of these in connection with bivariate shock models. / <p>There are some occurring misspellings in the formulas in the abstract on this webpage. Read the abstract in the full-text document for correct spelling in formulas, see the downloadable file.</p> / digitalisering@umu

It is known that record values and order statistics are closely related. When record values and order statistics are viewed as point processes, the two processes both share the order statistics property. The results of Beg and Balasubramanian(1990), Wu and Ouyang(1996), and Huang and Su(1999) about record values and order statistics motivated us to investigate more general results of characterization for order statistics point processes by using conditional expectations based on order statistics. On the other hand, in the class of point processes, there are a lot of characterizations of homogeneous Poisson processes based on the memoryless property of exponential distribution. The result of Asadi(1999) about characterization of the Gumble bivariate exponential or the bivariate geometric distribution inspired us be interested in investigating some similar results about non-independent bivarite homogeneous Poisson processes.

In this thesis we present some related problems about the renewal processes. More precisely, let $gamma_{t}$ be the residual life at time $t$ of the renewal process $A={A(t),t geq 0}$, $F$ be the common distribution function of the inter-arrival times. Under suitable conditions, we prove that if $Var(gamma_{t})=E^2(gamma_{t})-E(gamma_{t}),forall t=0,1 ho,2 ho,3 ho,... $, then $F$ will be geometrically distributed under the assumption $F$ is discrete. We also discuss the tails of random sums for the renewal process. We prove that the $k$ power of random sum is always new worse than used ($NWU$).