DOI:10．19392/j．cnki．1671-7341．202308022EM算法对不完全数据下指数分布的参数估计张梦琇石河子大学理学院新疆石河子832000摘要:收集、整理数据是处理统计问题的关键，由于测量精度不高，调查者在收集处理数据时经常会出现测量不精准的情况，调查者收集到的数据大多是缺失数据，该篇文章以不完全信息下的数据作为研究对象，结合单参数指数分布，探究不完全信息数据下指数分布的参数估计问题。首先，文章采用EM算法对带有不完全信息数据下的指数分布进行参数估计，通过建立似然函数，推导出带有不完全信息下的指数分布参数的迭代表达式。随后，利用Ｒ软件进行随机模拟试验，分别考虑不全数据所服从的分布的参数相同和不同的两个角度。最后，随机模拟的结果表明，迭代式的精度较高，并且提高了计算速度。关键词:不完全信息数据;指数分布;似然函数;EM算法;Ｒ软件中图分类号:O212文献标识码:A1概述数据的收集是处理统计问题的关键，由于测量精度不高，调查者在收集处理数据时经常会出现测量不精准的情况，调查者收集到的数据大多是缺失数据，对于缺失数据而言，调查者经常或遇到这样两类数据，一类数据是指在设定的时间间隔之前，研究对象就已经结束工作，这种数据称之为删失数据;另一类数据是指在设定的时间间隔之后，该研究对象仍持续地进行这种操作，此种数据被称之为截断数据。研究生活中的自然现象需要数据的支撑，采用最多的数据类型为左截断右删失数据，本文以左截断右删失数据为基础数据类出，主要处理不完全信息数据，它包括截断数据、删失数据以及既截断又删失数据。本文以带有不完全信息下的数据作为研究对象，结合特定的分布，探究不完全信息数据下指数分布的参数估计问题。指数分布是一种常用的连续型寿命函数，被广泛应用于检测电子元件的使用寿命。文献［1-3］探究了带有缺失数据下指数分布的参数估计，这三篇文章从不同的数据类型，不同参数下的指数分布研究指数分布的参数估计;文献［4-6］研究了左截断右删失下不同分布多变点模型的Bayes估计，这三篇文章主要研究指数分布的贝叶斯估计;文献［7］主要研究了带有不完全信息的不同分布下的变点模型，作者主要研究其他分布下的不完全数据的参数估计问题;文献［8］利用EM算法研究了指数分布的参数估计，作者研究完全数据下的指数分布。本篇文章将EM算法与不完全数据结合到一起，考察指数分布参数变点在数据不完整的情况下的迭代表达式。首先，利用EM算法对不完全信息下的指数分布的参...
