均匀分布族U(O,θ)参数的经验Bayes估计的收敛速度

自1955年H.Robins引进经验Bayes(EB)方法以来,这一领域的研究工作有了很大的进展.最近几年来,EB 估计的渐近最优((?).o)性和收敛速问题受到国内外统计学者的注意,并进行了大量研究工作.R.J.Fox 在[1]中提出了均匀分布族U(0,θ)参数的EB 估计,证明了它的(?).o 性,但并未讨论它的收敛速度问题.本文构造了上述分布族参数θ的一个EB 估计,并建立了它的收敛速度.     

均匀分布参数的矩估计与最大似然估计

讨论了均匀分布族 {R(0 ,θ) ,θ >0 }中参数θ的矩估计与最大似然估计的均方误差和相合性 ,结果表明修正后的最大似然估计的均方误差优于其它估计。     

某类均匀分布参数最优同变估计的相合性

本文讨论了均匀分布族{R(0,θ),θ＞0}中参数θ的最优同变估计的几种相合性,并证明了经过修正的~θ的相合性及~θ是θ的UMVUE.     

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。     

一类单参数离散指数族参数多项式经验Bayes估计的收敛速度

本文考虑如(1)定义的一类离散指数族分布,得到参数多项式Q_k(θ)=sum from i=0 to k(α_iθ~i)的一串经验Bayes估计的收敛速度。证明了在一定条件下此收敛速度可任意接近1。     

均匀分布族U（θ,cθ）中的经验Bayes检验

考虑均匀分布族U(θ,cθ),f(x|θ)=((c—1)θ)~(-1)I_((θ.cθ))(x),x,θ∈(0,∞),c>1中检验问题H_0:θ≤θ_0(?)H_1:θ>θ_0的经验Bayes检验。本文证得了经验Bayes检验的收敛速度。     

(Pareto-U)模型下二行动线性决策问题的EVSI

讨论了均匀分布U(0,θ)共轭于Pareto分布模型下的二行动线性决策问题的抽样信息期望值(EVSI)的计算公式.     

两种统计框架下均匀分布参数估计的对比研究

在理论和模拟方面对均匀分布U (0,θ ) 参数θ 的Bayes 估计与极大似然估计进行对比研究. 首先将基于损失函数和共轭先验得到的Bayes 估计与极大似然估计在形式上进行对比,发现所得Bayes 估计不但在数值上略大于极大似然估计,而且还是参数的相应函数的极大似然估计;然后通过模拟研究两种估计方法对参数的返真性,结果表明所得的Bayes 估计的均方误差在大多数场合下都小于极大似然估计的均方误差.     

均匀分布U(θ_1,θ_2)的参数估计及优效性研究

讨论均匀分布U(θ_1,θ_2)中参数θ_1,θ_2的估计问题,给出了最大次序统计量和最小次序统计量的分布函数和联合分布函数,并讨论了最大次序统计量和最小次序统计量的数字特征以及这些统计量的优效性.     

一类离散分布参数的渐近最优经验Bayes估计

本文考虑一类离散指数分布族参数的多项式在平方损失下的经验Bayes(EB)估计.给定θ当前样本X的条件分布有P_θ(X=x)=p(x|θ)=h(x)β(θ)θ~x,x=0,1……的形状,此处h(x)>0,θ∈Ω={θ:θ>0,h(x)θ~x<∞}假定i)θ的先验分布族G∈,={G:dG<∞}.ii)存在有限常数A 使h~2(x)≤Ah(x-1)h(x 1),对x=1,2,……成立.则θ的k 阶多项式Q_h(θ)=(?)的“自然”BE 估计(定义见(8)式)是渐近最优(a,0)的.     

用边邻接指数预测链烷烃的热力学性质

用分子图理论和边价 (δei)建构新的连接性指数 (mE) ,籍以描述分子的大小及分支情况 .其中 ,0 E、1 E和碳原子的最大支化度 (δmax)或路径数P3 与 85种链烷烃的标准生成焓 (ΔfHθm)、标准熵 (Sθm)、标准生成自由能 (ΔfGθm)具有良好的相关性 :-ΔfHθm =5 1.12 0 7+2 .0 6 0 2 0 E+38.0 746 1 E+8.5 116δmax,R =0 .9979,Sθm =179.4143+35 .18840 E +2 8.0 3981 E - 1.0 0 3 4δmax,R =0 .9988,ΔfGθm =- 42 .4941+2 .5 330 0 E +9.38131 E +2 .12 5 9P3,R =0 .993 6 .     

均匀分布U(-θ,θ)参数的估计与优良性

研究均匀分布U(-θ,θ)的矩估计和与极大似然估计,并讨论两估计的优良性,证明矩估计和极大似然估计是强相合的,极大似然估计是UMVUE.     

均匀分布U(a-θ,a+θ)的参数估计与优效性

研究均匀分布U(a-θ,a+θ)关于参数θ的矩估计和与极大似然估计,讨论参数θ估计的优效性,证明参数θ矩估计不惟一,参数θ的极大似然估计不仅是参数θ的无偏估计,还是参数θ的强相合估计,且参数θ的极大似然估计也是UMVUE.     

对称损失下一类刻度分布族参数的估计

q对称熵损失函数L(θ,δ)=θ_q/δ_q+δ_q/θ_q-2(0-νe_-T(x)/θ参数θ的估计, 得到 了θ的最小风险同变(MRE)估计及Bayes估计的一般与精确形式, 并讨论了θ的形如cT(X)+d的一类线性估计的可容许性和不可容许性以及θ的MRE估计的最小最大性.     

Banach空间中非线性刚性DDEs θ-方法的数值稳定性

讨论Banach空间中非线性刚性变延迟微分方程θ-方法的数值稳定性,对Banach空间中的实验问题类D0(α,β)得到了θ -方法的稳定性及渐近稳定性.     

对数误差平方损失函数和MLINEX损失函数下一类分布族参数的Minimax估计

考虑如下一类分布族:F(x;θ)=1-[g(x)]θ,A≤x≤B,θ＞0,其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0.在对数误差平方损失函数和MLINEX损失函数下,得到了参数的Bayes估计和Minimax估计.     

顺序统计量的分布及其在优效性中的应用

研究顺序统计量的分布,讨论顺序统计量在优效性中的应用,证明改进后的最大顺序优计量是均匀分布U(0,θ)的3个无偏优计中最好的.     

一类均匀分布总体的决策问题的最佳样本容量

求解二行动线性决策问题的抽样净益和最佳样本容量是一类具有较强应用性的决策问题.本文讨论了均匀分布U(0,θ)共轭于Pareto分布模型(即(Pa-U)模型)下的二行动线性决策问题的抽样净益的计算公式以及最佳样本容量值.     

复合Linex损失函数下Gamma分布的尺度参数的Bayes估计

在复合Linex对称损失函数下,当Gamma分布Γ（θ,α）的尺度参数θ（形状参数α已知）的先验分布π（θ）服从Gamma 分布Γ（λ,β）时,得到了尺度参数θ的唯一的Bayes估计δB.同时,对尺度参数θ的Bayes估计δB讨论了其可容许性.其结果是：当c=0,d＊＜d＜∞时,估计量δB是可容许估计.     

离散指标下的最近邻判别分析

设(θ,X),(θ_1,X,),…,(θ_n,X_n)是独立同分布的随机向量,θ∈{0,1},X∈x{0,1,2,…相似文献