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 .     

一类特殊的指数分布族参数的经验Bayes检验:NA样本

在线性损失函数下,对NA样本下一类指数分布族参数θ的经验Bayes单侧检验问题进行了研究.通过构造参数的经验Bayes单侧检验函数,获得了它的渐近最优(a.o)性,在适当条件下得出了所提出的经验Bayes检验函数的收敛速度可以任意接近O(n-1/2).     

两两NQD序列下Kumaraswamy分布的经验Bayes检验问题

研究了同分布两两NQD样本下Kumaraswamy分布的经验Bayes(EB)单侧检验问题.利用核估计构造了参数相应的经验Bayes(EB)单侧检验函数,在适当的条件下证明了所提出的EB检验函数是渐近最优的,并获得了EB检验函数的收敛速度.     

负相伴样本指数分布参数的经验Bayes检验

讨论了负相伴样本情形指数分布中寿命参数θ的经验Bayes单侧检验问题:H0:θ≤θ0 H1:θ>θ0,利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,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性,并获得了其收敛速度.     

Pareto分布形状参数的经验Bayes检验问题

讨论独立同分布样本情形Pareto分布形状参数的经验Bayes(EB)单侧检验问题.利用概率密度函数的递归核估计构造了参数的经验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性并获得了其收敛速度.最后给出了一个满足文中主要结果的例子.     

Weibull分布族参数的经验Bayes检验问题

在NA样本下研究了Weibull分布族刻度参数经验Bayes(EB)单侧检验问题,利用概率密度函数的核估计,构造了刻度参数的EB检验函数,并证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,获得了其收敛速度.     

NA样本下Lindley分布参数的经验Bayes检验

基于NA随机样本序列,讨论了Lindley分布的参数θ的经验Bayes检验函数问题H_0:θ≤θ0H_1:θθ_0。结论:构造了参数的经验Bayes检验函数,并获得其渐近最优性;在适当条件下证明了经验Bayes检验函数的收敛速度Ο(n~(-1/2))。     

Rayleigh分布参数的经验Bayes检验:NA样本情形

目的研究负相依样本情形下Rayleigh分布参数的经验Bayes检验问题。方法利用概率密度函数核估计方法获得密度函数及其导数的非参数估计。结果获得了经验Bayes检验函数,证明了检验函数的渐近最优性,得到其收敛速度。结论利用单调经验Bayes方法证明该检验函数可以达到最优。     

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.     

α-混合样本下Pareto分布参数的经验Bayes双边检验

在弱平稳α-混合样本下,利用核估计构造了Pareto分布参数的经验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.     

资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型,建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量,并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.     

INARS(p)模型的拟似然统计推断

用拟似然方法对p阶基于符号伯努利稀疏算子的整值时间序列模型参数进行估计,得出了参数修正的拟似然估计因子以及该估计因子的极限分布(可以用此极限分布对模型参数进行假设检验等统计分析),并通过数值模拟,将修正的拟似然估计与条件最小二乘估计进行了比较,结果表明,修正的拟似然估计在一定条件下明显优于条件最小二乘估计.     

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．     

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.     

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)).     

平衡损失函数下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最优加权最小二乘(OWLS)估计的优良性,并导出在一定条件下二者趋于一致。在PRPC(predictive Pitman closeness criterion)准则下研究了BLUMV估计相对于OWLS估计的优良性。     

辅助变量与扰动项相关情况下的回归估计

讨论了辅助变量与扰动项相关条件下的回归估计,给出了在这种条件下回归估计量的偏差和均方误差以及均方误差的估计.     

线性回归模型的一种新的有偏估计

本文提出了线性模型在随机约束条件下的一种岭估计,并给出了在均方误差矩阵准则下这种新的岭估计优于混合估计与岭估计的充要条件.     

目标状态的“全面”自适应估计

本文根据“全面”自适应的思想,建立了一种新的目标状态估计器——“全面”自适应估计器,通过目标动态特性识别、特征参数辨识和“全面”自适应模型集的结合,达到了跟踪估计目标各种运动的“全面”自适应能力.利用Monto-Carlo仿真表明,本文提出的新估计器具有所期望的良好性能.     

多元线性模型系数的广义根方改进估计类

从矩阵变换理论出发，对多元线性模型的系数提出了广义根方估计。证明了它优于系数的ＬＳ估计，根方改进估计，且是β的线性可容性估计等性质。