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))。     

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).     

NA样本下Modified Weibull模型参数的经验Bayes检验

在线性损失函数下,讨论了NA样本情形下Modified Weibull分布刻度参数的经验Bayes单侧检验问题。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,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Ο(n-1/2)。     

NA样本下艾拉姆咖分布参数的经验Bayes检验

【目的】研究NA样本下艾拉姆咖分布参数的经验Bayes检验问题。【方法】在同分布负相协(NA)随机列{X1,X2,…,Xn}下,利用概率密度函数的变窗核估计方法,讨论了艾拉姆咖分布参数θ的经验Bayes检验问题。【结果】首先得到了经验Bayes检验函数δn(x),然后证明了δn(x)的渐近最优性。【结论】在适当的条件下,利用相关引理和不等式,可获得参数θ的经验Bayes检验函数δn(x)的收敛速度为Ο(n~(-1/2))。     

NA样本下艾拉姆咖分布参数的经验Bayes检验

【目的】研究NA样本下艾拉姆咖分布参数的经验Bayes检验问题。【方法】在同分布负相协(NA)随机列{X1,X2,…,Xn}下,利用概率密度函数的变窗核估计方法,讨论了艾拉姆咖分布参数θ 的经验Bayes检验问题。【结果】首先得到了经验Bayes检验函数δn(x),然后证明了δn(x)的渐近最优性。【结论】在适当的条件下,利用相关引理和不等式,可获得参数θ 的经验Bayes检验函数δn(x)的收敛速度为Ο(n-1/2) 。
     

正态分布参数的经验Bayes检验

本文旨在研究正态分布参数(μ,σ~2)的线性组合的经验Bayes检验问题。文中构造了经验Bayes判决准则,证明了它具有渐近最优(a.o.)的性质,并在适当的条件下得到了O(n~(-(k-1)λ/2k 2)的收敛速度,其中k≥2为某个自然数,而O<λ<2。     

多元线性回归模型中的经验Bayes检验

本文研究了线性模型中参数的经验Bayes检验的渐近最优性及其收敛速度问题。假设模型为Y=Xβ ε,基中ε～N(0,σ~2I),σ~2未知。通过利用X,Y和n个相互独立的历史样本,我们构造了θ=(β~1,σ~2)′的经验Bayes检验,并证明了该检验与最优的Bayes检验相比是渐近最优的,而且其收敛速度可以任意接近O(n~(-1/2))。     

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样本下单边截断型分布族位置参数函数的经验Bayes估计

对单边截断型分布族在同分布正相协(PA)样本下,构造了位置参数函数的经验Bayes(E.B)估计,由分析可知,在适当的条件下,证明了位置参数θ的函数的经验Bayes(E.B)估计的收敛速度为O(n-q),其中,q=λα(δ-2)/(2α 4)δ;α>0;0<λ<δ/(1 δ);δ>2。     

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.