q对称熵损失函数下指数分布的参数估计

提出对称熵损失函数的一般形式(λ/δ)^q+(δ/λ)^q-2(q>0), 即q对称熵损失. 讨论指数分布的尺度参数在此损失函数下的最小风险同变估计、 Bayes估计和最小最大估计, 给出了更具一般性的结论, 并研究了(cT+d)^-1形式估计的可容许性和不可容许性.     

对称熵损失下指数分布的参数估计

研究指数分布的刻度参数在对称熵损失下的最小风险同变估计及Bayes估计,并讨论（cT＋d）－1形式估计的可容许性与不可容许性．     

p,q-对称熵损失函数下指数分布的参数估计

用参数估计方法, 研究指数分布的刻度参数在p,q-对称熵损失函数下的最小风险同变估计(MRE)、 Bayes估计和Minimax估计, 并讨论了具有［cT+d］^-1形式的估计量当0≤c*, d>0; c=c^*, d>0时是可容许的, 当c<0或d<0; 0*且d=0; c>c^*且d>0时是不可容许的.     

Q-对称熵损失函数下几何分布参数估计

在Q-对称熵损失函数下,讨论Poisson分布、二项分布和几何分布参数的Bayes估计,给出了更具一般性的结果。并且讨论该结果的可容许性和不可容许性。     

Q-对称熵损失函数下的Poisson分布及二项分布的参数估计

在Q-对称熵损失函数下,讨论Poisson分布、二项分布和几何分布参数的Bayes估计,给出了更具一般性的结果。并且讨论该结果的可容许性和不可容许性。     

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.     

q对称熵损失函数下正态总体刻度参数的估计

用参数估计的方法, 研究均值为0的正态分布中刻度参数在q对称熵损失函数下的最小风险同变估计、 Bayes估计和Minimax估计, 并讨论了［cT+d］^1/2形式的估计量当0≤c*, d>0; c=c^*, d≥0时是可容许的, 当0*, d=0; c>c^*, d>0时是不可容许的.     

熵损失函数下一类广义分布族参数估计的容许性

在熵损失函数下,研究了一类分布族参数的Bayes估计和可容许估计,并讨论了一类(cT+d)-1形式估计的可容许性和不可容许性.     

Q-对称熵损失函数下的Poisson分布参数倒数的估计

研究在Q-对称熵损失函数下,Poisson分布参数倒数的估计,得出在Q-对称熵损失下,形式的一类估计的可容许性和不可容许性,并给出可容许估计的充要条件.     

基于对称损失函数下Poisson分布变异系数的估计

对应用统计中常用的参数Karl-Pearson变异系数,在给定的一组Poisson样本下,用对称损失函数研究了它的Bayes估计的形式与性质,并由此讨论了它的一类估计的可容许性和不可容许性,模拟结果表明:所得到的Karl-Pearson变异系数的Bayes估计具有较高的精度,可以在统计判决问题中使用.     

一类指数分布参数的渐近最优和可容许的经验Bayes估计

在平方损失下,给出了指数族:f(x|β)=T′(x)βexp{-T(x)β}的参数β的渐近最优与可容许的EBi=1log(1 估计,即:nδ(x1,x2,…,xn)=φ(x1,x2,…,xn)(q T(x))n u,其中φ(x,x1,x2,…,xn)=log(1 T(x)q) Sn(x1,x2,…,xn)-v-1,x1,x2,…,xn(历史样本)和x(当前样本)独立同分布于f(x),Sn(x1,x2,…,xn)=n∑T(xi)q),u>0,v>0,q>0(已知)为任意的实数,并给出了证明。     

平衡损失下Possion分布参数的估计

设X1,…,Xn是Possion分布总体P的样本,其中是未知参数.在平衡损失函数下,取共轭先验时,得到了的Bayes估计,进而讨论了的形如aX+b的估计的容许性问题.     

二次损失下一般Gauss-Markov模型的线性预测的Minimax的可容许性

对不带约束的一般Gauss-Markov模型的线性预测在齐次线性预测类中的Minimax可容许性作了较深入的讨论,得出线性预测在齐次预测类中Minimax可容许的充要条件．     

Pareto分布形状参数的估计及其不变性

在Bayes理论框架下,用加权p,q对称熵损失函数研究了Pareto分布形状参数在刻度参数已知的情况下的Bayes估计的形式和性质,讨论了形状参数的Bayes估计的可容许性,最后证明了形状参数的Bayes估计和可容许估计具有不变性.     

概率密度的可容非参数估计

对未知概率密度的估计量进行了研究，并用相似的方法讨论了概率密度的一、二阶导数的估计问题，特别对可容权函数进行了探讨并给出了几个有关定理     

一类刻度指数分布族参数的Bayes估计

在刻度平方损失函数下,研究了一类刻度指数分布族参数的估计,得到了刻度参数的Bayes估计的一般形式,并研究了它的可容许性,最后在两种给定先验分布下得到了刻度参数的正常Bayes估计和广义Bayes估计的精确形式.在此基础上可以对刻度参数进行进一步的统计推断.