几何模型中参数的经验贝叶斯估计的渐近性

依据经验Bayes估计的思想方法,研究在平方损失函数下几何分布中参数的经验Bayes(EB)估计问题.研究过程为:在平方损失函数下求得参数的Bayes估计,在相同的损失函数下,利用频率逼近概率这一事实,构造参数的EB估计,最后证明所得到的EB估计是渐近最优的,收敛速度为o(n-(2s-1)/(2s+1)).     

PA样本下连续型单参指数族参数的EB估计

目的 研究PA样本情形下连续型单参指数族参数的经验Bayes估计.方法 对密度函数及其导函数采用核估计的方法 构造了参数的EB估计.结果 在平方损失函数下,给出PA样本情形参数EB估计的收敛速度.结论 在适当条件下,连续型单参指数族参数的经验Bayes估计,在PA样本下收敛速度可与iid样本及NA样本一样,任意接近D(na-1/2).     

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。     

Kumaraswamy分布族参数的经验Bayes检验收敛速度

在"线性损失"下,研究了Kumaraswamy分布族参数的经验Bayes(EB)检验问题.利用独立同分布样本下密度函数的递归核估计和经验Bayes检验函数的单调性,重新构造了参数的EB检验函数,并在适当的条件下,获得了EB检验函数的收敛速度的阶为O(n~(-λ(s-2.5)/s-1))(s≥3,s∈N~*).     

在NA样本下一类双边截断型分布族参数的经验Bayes估计

在平方损失下,讨论一类双边截断型均匀分布族参数的经验贝叶斯(EB)估计的渐近性.按照贝叶斯(Bayes)方法,导出均匀分布族参数的 Bayes 估计,利用历史样本,采用概率密度函数的核估计方法,构造出边缘密度函数的估计,从而得到参数的EB估计,在一定的条件下,证明所得到的EB估计是渐近最优的,而且得到了其收敛速度,最后举例说明满足定理条件的参数的先验分布是存在的     

双指数分布族参数EB估计的最优性

讨论双指数分布的位置参数在LINEX损失函数下的Bayes估计.在NA样本情形下,利用概率密度函数的核估计方法,构造边缘分布的概率密度估计,按照参数的Bayes估计形式,提出参数的经验Bayes(EB)估计函数,在一定的条件下可以证明所提出的这个经验Bayes估计函数是渐近最优的,并获得其收敛速度,最后举例说明满足定理...     

PA样本下刻度指数族参数的渐近最优的EB估计

本文在PA样本下研究刻度指数族参数的渐近最优的经验Bayes估计,在刻度平方误差损失函数下导出参数的Bayes估计,利用核估计的方法构造了参数的EB估计,并且证明这种估计的渐近最优性,最后给出一个例子.     

PA样本下刻度指数族参数的EB检验

目的 研究PA样本情形下刻度指数族参数的经验Bayes检验问题.方法 对密度函数及其导函数采用核估计的方法构造EB检验函数.结果 在加权线性损失下,给出PA样本情形参数EB检验函数渐近最优性及其收敛速度.结论 在适当条件下,所构造的EB检验函数的收敛速度可与iid样本及NA样本一样,任意地接近D(n-1/2).     

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.     

NA样本下双指数分布位置参数的经验Bayes估计

在平方损失NA样本下获得了双指数分布参数θ的经验Bayes估计,构造了经验Bayes(EB)估计量,证明了渐近最优且收敛速度阶为O(n-(rs-2)/2(s+2)).     

指数-威布尔分布族参数的经验Bayes双侧检验问题

当分布的一个形状参数已知时,基于平方损失,研究了独立样本情形指数-威布尔分布另一形状参数的经验Bayes(EB)双边检验问题.利用概率密度函数的核估计,构造参数的检验函数,在一定的条件下证明检验函数的渐进最优性,并获得其收敛速度.     

指数一威布尔分布族参数的经验Bayes双侧检验问题

当分布的一个形状参数已知时,基于平方损失,研究了独立样本情形指数一威布尔分布另一形状参数的经验Bayes（EB）双边检验问题．利用概率密度函数的核估计,构造参数的检验函数,在一定的条件下证明检验函数的渐进最优性,并获得其收敛速度．     

威布尔分布族参数的经验Bayes检验

在"线性损失"下,文章研究了威布尔分布族刻度参数经验Bayes(EB)检验问题,并利用概率密度函数的核估计,构造了刻度参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,并获得了它的收敛速度,最后给出一个有关主要结果的例子。     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

Linex损失下Pareto分布参数的EB估计：PA样本情形

在Linex损失下,讨论了Pareto分布参数的经验Bayes（EB）估计.利用同分布PA样本下概率密度函数的核估计构造了参数的经验Bayes估计,建立了所提出经验Bayes估计的收敛速度.在一定的条件下该收敛速度可以任意接近于1.     

两两NQD序列下威布尔分布族参数的经验Bayes检验

在“线性损失”下,基于两两NQD样本序列情形研究了威布尔分布族刻度参数经验 Bayes（EB）检验问题,首先利用概率密度函数的核估计,构造了刻度参数的经验 Bayes 检验函数,在适当的条件下,证明了所提出的经验Bayes检验函数的渐近最优（a.o.）性,并获得了它的收敛速度.     

加权线性损失函数下Burr Type XII分布形状参数的经验Bayes检验

在加权线性损失函数下,讨论了Burr Type XII分布参数 的经验Bayes单侧检验问题,利用概率密度函数的核估计和经验分布函数构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优性,在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近 .     

刻度指数族参数的经验Bayes检验问题

论文在加权“线性损失”下讨论刻度指数族中参数的经验Bayes(EB)检验问题．利用概率密度函数及其导数的核估计方法构造了EB检验函数，并证明它的渐近最优性，获得其收敛速度．最后，给出两个应用．     

刻度指数族参数的渐近最优的经验Bayes估计

对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计，并构造了相应的经验Bayes估计，证明了该估计是渐近最优的。