对称损失下二项分布参数的Bayes估计问题

在对称损失函数下,利用共轭先验分布讨论二项分布参数P的Bayes估计、多层Bayes估计及E-Bayes估计,并证明该参数的Bayes估计是可容许的.最后给出关于Bayes估计、多层Bayes估计及E-Bayes估计的数值模拟,并比较了三者之间的优良性.     

一种对称损失函数下反向帕累托分布形状参数的估计

使用加权p,q对称损失函数研究了反向帕累托分布的形状参数在刻度参数给定条件下Bayes估计的形式与性质.得到了形状参数的Bayes估计的一般形式以及在给定共轭先验下的精确形式,证明了所得Bayes估计具有可容许性以及最小最大性.最后通过模拟研究了所得估计的返真性,结果表明,基于适当的p,q对称损失函数得出Bayes估计返真性较高.     

复合LINEX对称损失下Poisson分布参数的Bayes估计和E-Bayes估计

在复合LINEX对称损失函数下,给出Poisson分布参数λ的Bayes估计及E-Bayes估计,并通过数值模拟验证Bayes估计及E-Bayes估计的合理性及优越性.     

熵损失下失效率的E-Bayes估计及其性质

失效率的多层Bayes估计需要用到复杂的积分,计算比较困难.本文提出了一种新的估计方法——E-Bayes估计法.它是在Bayes估计的基础上,先给出超参数的先验分布,进而对失效率进行估计.文章分别给出了在特定超参数先验分布的条件下,失效率的E-Bayes估计和多层Bayes估计的计算公式.结果表明,失效率的E-Bayes估计避免了多层Bayes估计复杂的积分计算,形式上更加简洁,便于计算.并通过实例证明,对于同一组实验数据,失效率的E-Bayes估计和多层Bayes估计的数值计算结果十分接近.这说明,失效率的E-Bayes估计不仅具有多层Bayes估计的稳健性,而且具有多层Bayes估计的精确性,从而表明本文提出的失效率的E-Bayes估计法是可行的,且相比于失效率的多层Bayes估计更加简洁,更便于应用.     

加权平衡损失函数下逆伽马分布的Bayes估计

在逆伽马分布尺度参数的先验分布为其共轭先验分布伽马分布Γ(a,b)时,给出了其在加权平衡损失函数下的Bayes估计、E-Bayes估计和多层Bayes估计.最后通过数值模拟,说明了此3种估计具有较高的稳健性和精确性,其中多层Bayes估计的稳健性最好,E-Bayes估计的精确性最好.     

Linex损失下二项分布参数的Bayes估计

在Linex损失函数下讨论了二项分布参数的Bayes估计,当先验分布取Beta分布和幂分布时分别给出了参数的Bayes估计,多层Bayes估计,E-Bayes估计的精确形式,并证明了Bayes估计的可容许性.     

熵损失下失效率的E-Bayes估计及其性质

失效率的多层Bayes估计需要用到复杂的积分,计算比较困难。本文提出了一种新的估计方法——E-Bayes估计法。它是在Bayes估计的基础上,先给出超参数的先验分布,进而对失效率进行估计。文章分别给出了在特定超参数先验分布的条件下,失效率的E-Bayes估计和多层Bayes估计的计算公式。结果表明,失效率的E-Bayes估计避免了多层Bayes估计复杂的积分计算,形式上更加简洁,便于计算。并通过实例证明,对于同一组实验数据,失效率的E-Bayes估计和多层Bayes估计的数值计算结果十分接近。这说明,失效率的E-Bayes估计不仅具有多层Bayes估计的稳健性,而且具有多层Bayes估计的精确性,从而表明本文提出的失效率的E-Bayes估计法是可行的,且相比于失效率的多层Bayes估计更加简洁,更便于应用。     

复合Mlinex对称损失下k阶Erlang分布参数的Bayes估计

在Mlinex损失函数基础上定义了复合Mlinex对称损失函数;在复合Mlinex对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计、E-Bayes估计及多层Bayes估计,并证明了其容许性;最后通过MATLAB模拟检验了参数的3种Bayes估计的合理性和优良性。     

广义指数-帕累托(Ⅳ)混合模型

有限多个分布的混合模型在经济学、可靠性分析等方面应用广泛.基于实践中的许多观测数据可能取自于两个或更多的分布总体,构建了广义指数-帕累托(Ⅳ)混合模型,并研究混合模型的相关统计性质.讨论了模型中各参数对密度函数的影响,给出了模型的风险函数的具体计算公式及参数对风险函数的影响.给出了混合模型前四阶矩的解析表达式,进而得出峰度和偏度等相关统计量的计算公式.给出了平均偏差的解析表达式,并且使用EM算法给出混合模型的参数估计.实证方面,使用丹麦火险数据做拟合分析,比较了7个模型的拟合效果.结果显示,广义指数-帕累托(Ⅳ)混合模型拟合效果最优.     

复合LINEX对称损失下广义Pareto分布形状参数θ的Bayes估计

广义Pareto分布已被应用在社会学、保险精算学等众多领域,有着非常重要的实际应用价值.该文主要研究了复合LINEX对称损失函数下尺度参数已知,先验分布为伽马分布时,广义Pareto分布形状参数的Bayes估计和E-Bayes估计,给出了二者的精确表达式.最后对参数的Bayes估计和E-Bayes估计进行了数值模拟检验,检验结果说明了估计的合理性.     

熵损失下负二项分布可靠度的E—Bayes估计

对负二项分布,给出可靠度在熵损失函数下的Bayes估计,在此基础上给出当先验分布为幂分布时,可靠度的E-Bayes估计和多层Bayes估计,并设计了相应的数值实验,实验结果表明负二项分布可靠度的E-Bayes估计较多层Bayes估计稳健性更好,计算更简单,便于实际应用.     

负二项分布可靠度的E-Bayes估计

对负二项分布,给出在熵损失函数下当可靠度的先验分布为Beta分布和幂分布时可靠度的Bayes估计、E-Bayes估计及多层Bayes估计,并针对先验分布为幂分布的情形设计了相应的数值实验.实验结果表明,相对于负二项分布可靠度的多层Bayes估计,其E-Bayes估计的计算更简单,且稳健性也更好.     

双超参数无失效数据的E-Bayes可靠性分析

讨论了双超参数情形无失效数据问题.利用构造先验分布为含有双超参数的Beta分布情形的减函数,给出了2个超参数情形下失效概率pi=P(T相似文献   

复合Mlinex损失函数下对数Weibull分布参数的Bayes估计

基于复合Mlinex损失函数,研究了对数Weibull分布的参数在先验分布为伽玛分布下的Bayes估计,E-Bayes估计和多层Bayes估计。并且用数值模拟的方法进行验证,结果表明3种估计方法的稳健性好。     

INAR(1)模型参数的Bayes估计

利用Bayes方法研究INAR(1)模型的参数估计, 给出了模型参数的Bayes估计因子, 并通过数值模拟将Bayes估计与Yule Walker估计、 条件最小二乘估计、 条件极大似然估计进行比较. 结果表明, Bayes估计方法在一定情形下优于其他方法.     

基于下记录值样本的双参数指数威布尔模型的Bayes估计

针对下记录值样本,研究了双参数指数威布尔模型的参数估计问题.首先给出了参数的极大似然估计,随后在参数的共轭先验分布为伽玛先验分布、损失函数为平方误差损失和Linex损失函数情形下,应用Lindley,近似法导出了双参数指数威布尔模型参数的Bayes估计,最后利用R软件进行数值模拟,并对两种参数估计进行比较,发现在合适的先验分布条件下Bayes估计值更加接近参数真实值.因此,在适当的先验分布下Bayes估计较传统的极大似然估计好.     

尺度参数估计的损失函数和风险函数的Bayes推断

在共轭先验分布下,研究了尺度参数族参数估计的损失函数和风险函数的Bayes估计及其保守性质,并给出相应Bayes估计的合理性.     

熵损失下随机截尾情形指数分布参数的Bayes估计

为解决指数分布在熵损失函数和随机截尾数据下的参数估计问题,采用理论分析和随机模拟试验的方法,推导了参数在任意先验分布下的Bayes估计和伽玛共轭先验分布下具体的Bayes估计和多层Bayes估计,利用Monte Carlo方法对估计进行了计算,随机模拟试验对MLE、Bayes估计和多层Bayes估计进行了对比分析.研究结果表明,熵损失函数下的估计具有较高精度,多层Bayes估计稳健性较好.研究结论丰富了指数分布的Bayes统计分析,研究方法有助于熵损失函数下其它寿命分布的参数估计.     

表决系统可靠性指标的近似置信限比较

利用E-Bayes和多层Bayes方法对定时截尾试验数据下表决系统的可靠性指标进行估计,得到了部件失效率、系统可靠性和系统平均寿命的E—Bayes近似置信限和多层Bayes近似置信限,并利用蒙特卡罗方法进行模拟比较,结果表明,多层Bayes方法比E—Bayes方法更具优势．     

区间删失数据下参数估计的比较

主要讨论了寿命分布为指数分布时区间删失数据的参数估计。在I型删失情况下得到了参数的Bayes估计和矩估计。进而,利用数值模拟的方法比较了Bayes估计和矩估计的优劣。