平衡损失函数下Rayleigh分布参数的Bayes估计

在平衡损失函数下,得到了Rayleigh分布参数的Bayes估计,并讨论了一类c(-T)+d(其中(-T)=1/nn∑i=1X2i)形式估计的可容许性和不可容许性.     

变时滞细胞神经网络全局渐近稳定的一个新充分条件

给出变时滞细胞神经网络存在唯一平衡点且全局渐近稳定的一个新的充分条件.新条件依赖反馈矩阵但不依赖时滞参数,与已存在的条件相比,限制条件更弱,适应范围也更广.     

考虑决策者心态的区间数型多属性决策的VIKOR法

针对属性值为区间数的多属性决策问题,基于VIKOR法的基本思想,提出了一种考虑决策者心态的多属性决策方法。首先将规范化的决策矩阵转化为含决策者心态指标的决策矩阵,然后依据传统的VIKOR的计算步骤计算综合评价值,进而对备选方案进行排序并择优。当决策者处于不同的心态时,通过调整其心态来进行决策,因而更加符合客观实际情形。最后通过实例说明方法的有效性及可行性。     

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)。     

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.     

对称熵损失函数下一类分布族参数的Bayes估计

在对称熵损失函数下,研究一类分布族参数的Bayes估计问题,并讨论了一类逆线性形式估计的可容许性和不可容许性。     

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).     

不同损失函数下分布族参数的极小极大估计

针对一类尺度分布族参数的估计问题,在参数的先验分布为均匀分布、而损失函数为加权平方损失、MLINEX损失和对称熵损失函数下,研究了该分布族参数的Bayes估计和Minimax估计问题.最后,通过Monte Carlo数值模拟,通过计算各估计的均方误差,给出了几种估计的比较结果.