位置尺度族分布的双样预测区间

利用基于辅助统计量的条件方法,给出了有II型截尾样本的位置尺度族分布的双样预测区间,并对它的性质与特殊情况进行了讨论。     

关于Weibull分布条件方法的研究

推导了Weibull分布单样预测区间的条件方法的简便表达式。并对Weibull分布参数与特征的置信区间的条件方法、单样预测区间的条件方法的性质给予了初等证明。给出了单样预测区间的计算方法，并用数值例作了说明。     

指数分布的l个未来样本的顺序统计量的单边联合预测系数表

给出了过去样本为Ⅱ型截尾样本时，指数分布的l个未来样本的顺序统计量的单边联合预测下限的预测系数的数表．并用数值例说明其应用。     

双参数指数分布l个未来样本的顺序统计量单边联合预测系数表

对过去样本为Ⅱ型截尾样本．给出了双参数指数分布l个未来样本的顺序统计量单边联合预测下限的预测系数数表，并用数值例说明了数袁的应用。     

预测区间技术在航天器数据处理中的理论与应用研究

面对航天领域收集到的大量遥测数据,对其整理、分析就需要运用统计的手段,采用了基于统计推断学的区间参数估计理论的预测区间技术,对传统的模型趋势预测研究进行了拓展.通过对航天数据及其预测模型的深入分析,把握其内在的统计规律,建立了模型预测与区间估计理论相结合的预测区间模型,给出未来数据在一定置信度下的变化区间.最后,将该技术应用于航天器数据预测实例分析,验证了该方法的有效性.     

预测区间技术在航天器数据处理中的理论与应用研究

面对航天领域收集到的大量遥测数据，对其整理、分析就需要运用统计的手段，采用了基于统计推断学的区间参数估计理论的预测区间技术，对传统的模型趋势预测研究进行了拓展。通过对航天数据及其预测模型的深入分析，把握其内在的统计规律，建立了模型预测与区间估计理论相结合的预测区间模型，给出未来数据在一定置信度下的变化区间。最后，将该技术应用于航天器数据预测实例分析，验证了该方法的有效性。     

指数分布的Bayes单样与双样预测区间

给出了共轭型先验分布下，指数分布的Bayes单样与双样预测区间，指出了它们与Dunsmore（1974）给出的Bayes预测pdf的关系，并讨论了它们与Frequentist预测敬意之间的关系。     

定时截尾场合，指数分布的Bayes单样与双样预测

对时间截尾场合的指数分布，在近似概率匹配先验分布下，给出了Bayes单样与双样预测区间与预测子，并用数值例说明了这些方法。     

定数截尾时，Weibull分布的Bares单样预测

对定数截尾时的Weibull分布的单样预测,介绍了无信息先验分布下的Bayes精确等尾预测区间,给出了其计算方法,指出了平方损失下,Bayes预测子不存在,介绍了Frequentist （经典）预测子,并用数值例说明之。     

定数截尾时，Weibull分布的Bayes双样预测

对定数截尾时的Weibull分布，介绍了无信息先验分布下的Bayes等尾精确预测区间，讨论了它的计算方法，指出了平方损失下Bayes预测子不存在，给出了Frequentist预测子，并用数值例说明之。     

故障终止的PLP与HPP的经典双样预测

对故障终止的PLP与HPP，给出了双样预测的Frequentist（也称经典）预测子与预测区间，提出了预测区间系数的计算方法，给出了应用于存在显著可靠性增长且符合PLP的失败终止的成败型数据的方法，并用数值例说明之。     

预定成功数的负二项分布的预测

对预定成功数的负二项分布的预测问题,给出了一致最小方差无偏预测子,Bayes与Fiducial预测子与预测区间,并用数值例进行了说明。     

构造单样预测区间的基于观测值的条件方法

基于Ⅱ型截尾样本的观测值,提出了一种新的构造样本未来观测值与样本未来观测值落入时间区间(yr,t]内的个数(未来失效数)的单样预测区间的条件方法。     

构造Bayes与Fiducial预测区间的若干方法

对构造Bayes与Fiducial预测区间的几种方法进行了讨论,并举例比较了它们在使用中的方便程度。     

二项分布的Frequentist、Bayesian、Fiducial预测

要研究二项分布随机变量的预测问题，给定过去样本，给出了未来样本成功数的Frequentist（经典方法）预测子，并给出了Frequentist、BayeSian（贝叶斯方法）以及Fiducial（信赖方法）预测区间。     

预定失败数的负二项分布的预测

对预定失败数的负二项分布,给出了一致最小方差无偏预测子及Bayes与Fiducial预测子和预测区间,比较了Bayes和Fiducial PI的优良性,并用数值例进行了说明。     

卫星成本预测的蒙特卡洛优化模型研究

传统的卫星成本预测模型预测结果单一，未考虑相应的不确定性因素。对此，提出了基于蒙特卡洛方法的卫星成本预测模型。该模型综合考虑了卫星成本技术的不确定性并给出了预测值的区间范围和概率分布。为了降低应用该模型所产生的误差，提出了最优分层抽样的方法，并通过划分分层区间提高了抽样的效率。最后，将收集到的相关数据代人该模型，其结果精度大约提高了10％左右。可见，使用优化的蒙特卡洛方法进行卫星成本预测具有较好的精确度。     

Poisson分布的预测

对Poisson分布的未来样本的观测值给出了UMVUP(一致最小方差无偏预测子),介绍了Faulkenberry的Frequentist精确预测区间(PI),给出了无信息先验的Bayes PI与Fiducial PI,比较表明Faulkenkerry的PI最优,推荐在工程上使用,最后用数值例进行了说明。     

Ⅱ型截尾时指数分布在未来时间区间内失效数的预测

对一般的连续分布，给出了单、双样预测未来失效数的条件概率，并对指数分布的Ⅱ型截尾样本，给出了未来时间区间内失效数的Bayes及Fiducial单样、双样预测子和预测区间（PIs）。     

时间终止时，HPP故障数的Frequentist、Bayesian与Fiducial双样和多样预测

研究了时间终止时,齐次Poisson过程故障数的预测问题,根据已出现的终止时间和故障数,给出了未来故障数的经典（Frequentist）点估计、经典精确预测区间、正态近似预测区间、Bayesian精确预测区间、极大后验点估计、Fiducial精确预测区间。