心理状态数的Bayes推断

本文利用两种先验分布对心理状态数进行了Bayes推断 ,分别给出了C的后验分布、条件期望估计和最大后验估计 ,讨论了在无信息先验条件下 ,Bayes估计的优点及如何处理C的区间估计和假设检验问题     

MLINEX损失下k阶Erlang分布参数的Bayes估计

在MLINEX损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计,并证明其容许性.给出了在MLINEX损失下得到了k阶Erlang分布参数的Bayes估计的精确表达式,并且通过随机模拟检验参数Bayes估计的合理性和优良性.     

基于单方程计量经济模型的贝叶斯分析

研究了关于单方程计量经济模型的贝叶斯统计推断问题,即根据样本似然函数的形式构造出未知参数的先验分布,选取正态-Gamma分布为先验分布,对后验分布进行统计推断.最后推导了未知参数在二次损失函数下的贝叶斯估计.     

熵损失函数下巴斯卡分布参数的Bayes估计

研究在熵损失函数下,巴斯卡分布可靠度的Bayes估计及其可容许性,并且给出Bayes置信下限以及多层Bayes估计的表达式。     

平方损失下逆威布尔分布参数的Bayes估计

在平方损失下,讨论逆威布尔（IW）分布参数的Bayes估计,并证明所给出的参数Bayes估计是可容许的．     

邻近分裂方法的线性收敛问题分析

由于尺度参数已知,将伽玛Γ(θ,1/2）中参数θ的先验分布同样令为伽玛分布,在不同的损失函数下讨论了伽玛分布族Γ(θ,1/2）参数θ的Bayes估计,并用自适应的Simpson法近似计算反常积分,通过数值模拟得出了相应的估计值,对所给估计结果的优良性进行了分析比较.     

双边定数截尾下Burr分布参数的Bayes估计

Burr分布有右偏厚尾的良好性质,在双边定数截尾样本下,分别给出Burr分布在q-对称熵损失函数和复合LINEX对称损失函数下参数的Bayes估计和多层Bayes估计。     

Ⅱ型双截尾下逆威布尔分布尺度参数的估计

基于Ⅱ型双截尾样本,通过极大似然法得到了尺度参数极大似然估计的迭代公式.选取尺度参数的先验分布为无信息分布和伽玛分布,分别在平方损失和熵损失下,给出尺度参数的贝叶斯估计.利用Monte-Carlo模拟比较了各种估计的均方误差,结果表明,当选取伽玛先验和熵损失时,参数的贝叶斯估计最优.     

平衡损失函数下负二项分布的 Bayes 估计

针对负二项分布的参数采用Bayes方法进行估计.首先,讨论了平方损失函数下负二项分布参数的估计问题,尤其是建立了新的平衡损失函数,获得了负二项分布参数的无偏估计.其次,讨论了负二项分布与Poisson分布之间的关系.最后给出了熵损失函数下负二项分布参数的估计.     

基于下记录值逆Rayleigh模型的估计及预测

当观测数据是下记录值时,利用经典方法讨论了逆Rayleigh分布未知参数的极大似然估计和一致最小方差无偏估计,进而得到了可靠度及失效率的极大似然估计．取未知参数的先验分布为Gamma分布,在平方损失函数下讨论了逆Rayleigh模型的未知参数、概率密度函数、累积分布函数及系统可靠度的Bayes估计,并对元件的剩余寿命进行预测．通过蒙特卡洛模拟研究了估计量的性质,借助数值实验对估计量的值进行计算．     

加权平方损失下一类指数分布族刻度参数的估计

对一类刻度指数分布族c(x,n)θ~(-y)e~[-T(x)/θ],利用加权平方损失函数L(θ,δ=(δ/θ-1)~2研究了刻度参数θ的最小风险同变估计.经由Bayes估计给出了最小风险同变估计的精确形式,并讨论了它的最小最大性,最后应用积分变换定理证明了θ的Bayes估计具有不变性.     

MA模型阶数在平方损失函数下的贝叶斯估计

从贝叶斯原理出发在假定滑动平均模型阶数q有已知上界,并为离散随机变量,且具有先验分布函数的条件下,讨论了在平方损失下MA模型阶数的贝叶斯估计记为点．     

基于GARCH模型的电力市场价格风险测度研究

有效地评估电力市场价格波动风险是电力市场风险管理的基础。在对电价的基本特征及其影响因素综合分析的基础上,建立了考虑电价多季节、异方差、波动集聚、尖峰厚尾及其与负荷相关性的GARCH-VaR计算模型,以正态分布、t分布、有偏t分布和广义误差分布（GED）为例,分析了残差的概率分布设定对VaR估计精度的影响。对PJM电力市场历史数据的分析表明：低置信水平下GED分布的估计结果较为精确,高置信水平下t分布的估计结果更加有效,考虑残差的偏度可在一定程度上改善VaR的估计精度。     

均匀分布U[-θ,θ]参数θ的几种估计量

研究了一类单参数均匀分布U[-θ,θ]的参数θ的点估计问题,给出了θ的极大似然估计量、矩估计量和其他形式的估计量,对几种估计量的无偏性进行了讨论.通过添加纠偏系数得到θ的四种形式的无偏估计量,对它们的有效性进行了比较分析.结果表明,基于极大似然估计量所得到的无偏估计最有效.     

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计，利用同分布负相协（NA）样本构造了经验Bayes（EB）估计量，并在适当的条件下获得（EB）估计的速度．     

自回归模型参数的贝叶斯估计

本文中我们讨论了误差为T分市的自回归模型,在参数满足Jeffreys型先验分布条件下,得出了多数的贝叶斯估计,并证明了参数估计相容性.     

李代数的正规列和齐次自同构

在特征p3的基域上,令X表示有限或无限维的Cartan型李代数W,S,H或K,O是X的结合底代数.证明在容许自同构群Aut(O:X)到AutX的一个同构下Aut(O:X)的正规列对应AutX中的一个正规列,并且O的容许齐次自同构群对应X的齐次自同构群.     

鞅差序列生成的线性过程的精确渐近性

讨论了滑动平均过程∑+∞Xk=i=-∞aiξk-i,其中:{ξi,Fi;-∞i+∞}是均值为零的非平稳双侧无穷鞅差序列,{ai;-∞i+∞}为绝对可和的实数序列.记∑==nkSnXk1,E(ξi2Fi-1)=σ2∞,a.s.,∑+∞=-∞=iaai.证明了对每一i≥1,当B∈Fi,并且P(B)0时,在适当的矩条件下,对相当广泛的实值函数-(x)及正实数v,有()νννεlim0ε1/∑n1-′(nPSnεaσn-(n)B=EN1/∞→=),其中:N是服从标准正态分布的随机变量.     

双参数指数分布顺序统计量的概率分布性质

设[Xk,1≤k≤n]独立同分布,X（1）≤X（2）≤…≤X（n）为其顺序统计量,当总体服从双参数指数分布exp（μ,σ）时,得到了其顺序统计量的联合概率密度函数和极端顺序统计量的密度函数,进一步得到X（1）和X（n）的期望与方差的表达式.此外还证明了样本间距X（1）,X（2）-X（1）,…,X（n）-X（n-1）独立不同分布,利用样本间距构造一组独立同分布的指数分布exp（1）,借助顺序统计量还构造了x2和F两组概率分布.最后研究了统计量极差Rn=X（n）-X（1）的概率分布.