PA样本下连续型单参指数族参数的EB估计

目的 研究PA样本情形下连续型单参指数族参数的经验Bayes估计.方法 对密度函数及其导函数采用核估计的方法 构造了参数的EB估计.结果 在平方损失函数下,给出PA样本情形参数EB估计的收敛速度.结论 在适当条件下,连续型单参指数族参数的经验Bayes估计,在PA样本下收敛速度可与iid样本及NA样本一样,任意接近D(na-1/2).     

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。     

在LINEX损失下指数分布刻度参数EB估计的渐近最优性

在LINEX损失函数下,研究指数分布刻度参数的非参数的经验Bayes(EB)估计问题.在此损失函数下,找出参数的Bayes估计,利用抽到的样本,采用密度函数的核估计方法,构造总体X的边缘密度函数,得到参数的EB估计,指出这种EB估计是渐近最优的,它的收敛速度为0(n-γs(l-2)/(2s+1)l),并且这种EB估计方法可推广到多参数情形,举例说明它的应用.     

PA样本下刻度指数族参数的渐近最优的EB估计

本文在PA样本下研究刻度指数族参数的渐近最优的经验Bayes估计,在刻度平方误差损失函数下导出参数的Bayes估计,利用核估计的方法构造了参数的EB估计,并且证明这种估计的渐近最优性,最后给出一个例子.     

NA样本下双指数分布位置参数的经验Bayes估计

在平方损失NA样本下获得了双指数分布参数θ的经验Bayes估计,构造了经验Bayes(EB)估计量,证明了渐近最优且收敛速度阶为O(n-(rs-2)/2(s+2)).     

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.     

在NA样本下一类双边截断型分布族参数的经验Bayes估计

在平方损失下,讨论一类双边截断型均匀分布族参数的经验贝叶斯(EB)估计的渐近性.按照贝叶斯(Bayes)方法,导出均匀分布族参数的 Bayes 估计,利用历史样本,采用概率密度函数的核估计方法,构造出边缘密度函数的估计,从而得到参数的EB估计,在一定的条件下,证明所得到的EB估计是渐近最优的,而且得到了其收敛速度,最后举例说明满足定理条件的参数的先验分布是存在的     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题.首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计.最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes 估计较传统的最大似然估计好.     

线性混合模型中方差分量的经验Bayes估计的收敛速度

在加权平方损失下导出了含有2个方差分量的线性混合模型中方差分量的Bayes估计，利用多元密度函数及其混合偏导数的核估计方法构造了方差分量的经验Bayes（EB）估计，在某些条件下获得了该估计的收敛速度。     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。     

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)).     

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.     

刻度指数族参数的渐近最优的经验Bayes估计

对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计，并构造了相应的经验Bayes估计，证明了该估计是渐近最优的。     

一类刻度指数分布族参数的Bayes估计

在刻度平方损失函数下,研究了一类刻度指数分布族参数的估计,得到了刻度参数的Bayes估计的一般形式,并研究了它的可容许性,最后在两种给定先验分布下得到了刻度参数的正常Bayes估计和广义Bayes估计的精确形式.在此基础上可以对刻度参数进行进一步的统计推断.     

对称损失下一类指数分布族的Bayes估计

在对称损失函数下,研究了一类指数分布族尺度参数的估计,并研究了它的的可容许性.得到了尺度参数的Bayes估计的一般形式,在共轭先验分布下得到了尺度参数的Bayes估计的精确形式.在此基础上,讨论了一类形式如cT＋d估计量的可容许性和不可容许性. 更多还原     

Linex损失下Pareto分布参数的EB估计：PA样本情形

在Linex损失下,讨论了Pareto分布参数的经验Bayes（EB）估计.利用同分布PA样本下概率密度函数的核估计构造了参数的经验Bayes估计,建立了所提出经验Bayes估计的收敛速度.在一定的条件下该收敛速度可以任意接近于1.     

指数-威布尔分布族参数的经验Bayes双侧检验问题

当分布的一个形状参数已知时,基于平方损失,研究了独立样本情形指数-威布尔分布另一形状参数的经验Bayes(EB)双边检验问题.利用概率密度函数的核估计,构造参数的检验函数,在一定的条件下证明检验函数的渐进最优性,并获得其收敛速度.     

指数一威布尔分布族参数的经验Bayes双侧检验问题

当分布的一个形状参数已知时,基于平方损失,研究了独立样本情形指数一威布尔分布另一形状参数的经验Bayes（EB）双边检验问题．利用概率密度函数的核估计,构造参数的检验函数,在一定的条件下证明检验函数的渐进最优性,并获得其收敛速度．     

一种加权对称损失函数下一类指数分布模型参数的估计

对刻度参数指数分布模型c(x,n)θ-v e-T(x)/θ提出了一种新的损失函数——加权p,q对称熵损失函数L(θ,δ)=θp/pδp +δq/qθq -2(p,q＞O,q＜v),并用它研究了刻度参数θ的估计.得到了参数θ的最小风险同变估计与Bayes估计的一般形式与精确形式,这两种估计形式比已有文献中相应形式更为简捷...