非对称损失下正态均值的同变置信限

从统计判决理论角度研究了非对称损失下正态均值置信限的估计问题。在位置及位置尺度变换群下，给出了总体方差已知或未知时正态均值的最优同变置信限并讨论了相关的问题。     

正态均值常用估计区间的改进

从统计决策理论角度考虑了正态均值置信区间的改进问题.利用未知分布参数之间的序限制,通过使用改进估计量的IERD方法,对无序限制情况下正态均值的minimax置信区间进行了改进,构造了一族改进置信区间.     

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.     

LINEX损失函数下正态均值的估计问题

考虑了在ＬＩＮＥＸ损失函数下正态分布均值的估计问题，在线性估计类ｃＸ＋ｄ中得到了它的容许估计，并对非容许估计得到了一致改进估计，将相应的结果应用于线性回归模型的系数估计之中。     

Linex损失下逆高斯分布参数倒数的Bayes估计

本文在Linex损失函数下,研究逆高斯分布参数倒数的Bayes估计,并且讨论了多层Bayes估计并证明该参数的Bayes估计是可容许的.     

一类加权损失函数下正态分布均值参数的同时估计

1 引言 设X_i,i=1,2,…,p是相互独立的服从正态分布的随机变量,其均值参数为O_i,方差为1。在讨论均值参数O=(O_1,O_2,…,O_p)的同时估计问题时,当损失函数是平方损失函数,即     

Linex损失下Rayleigh分布参数倒数的Bayes估计

在Linex损失函数L(θ,δ)=ec(δ-θ)-c(δ-θ)-1,c>0下,给出Rayleigh分布的尺度参数倒数的唯一Bayes估计δB(X)=-1/clnE(e-cθ│X)=(n α)/cln(1 c/(λ T)),多层Byaes估计δ∧B(X)=-1/cln,和容许性估计的一般形式Sln(1 c/(d T)).     

平方损失下的容许估计

在平方损失下讨论了一般分布族参数的容许估计问题，给出了一个估计量为待估参数的容许估计的充分条件，关于指数族分布的有关结果＾［１．３．５．６］，都可视为本文结论的特例。对于限制参数空间的情形也给出了相应的充分条件。     

熵损失下独立指数分布均值的岭估计

借助Ｈｏｅｒｌ和Ｋｅｎｎａｒｄ提出的回归系数的岭估计的思想，通过设备恰当的共轭先验，由Ｂａｙｅｓ观点出发，得到在此比平方损失更恰当的熵损失下，独立指数分布均值的岭估计，并证明其可容许性，同时，当先验参数Ｋ未知时，用“岭迹法”估计了Ｋ值。     

q对称熵损失函数下正态总体刻度参数的估计

用参数估计的方法, 研究均值为0的正态分布中刻度参数在q对称熵损失函数下的最小风险同变估计、 Bayes估计和Minimax估计, 并讨论了 ［cT+d］^1/2形式的估计量当0≤c*, d>0; c=c^*, d≥0时是可容许的, 当0*, d=0; c>c^*, d>0时是不可容许的.     

方差未知时一类加权损失函数下正态分布均值的改进估计

讨论了一类加权损失函数下方差未知时，通常估计的非容许性问题，给出了改进估计．所得结论较已有结果更为一般化．关键词     

Q-对称熵损失函数下的Poisson分布参数倒数的估计

研究在Q-对称熵损失函数下,Poisson分布参数倒数的估计,得出在Q-对称熵损失下,形式的一类估计的可容许性和不可容许性,并给出可容许估计的充要条件.     

序限制下最优位置同变预测区间的改进

考虑序限制下随机变量的统计预测问题. 利用密度函数中未知参数间的序限制及可得到的所有样本观测值, 改进了位置分布族下常见的同变预测区间, 给出一族改进的预测区间, 并举例进行了说明.     

熵损失下Poisson分布参数倒数的估计

研究在熵损失函数下 ,Poisson分布参数倒数的估计 ,得出在熵损失下 ,[c T( X ) d] -1 形式的一类估计的可容许性和不可容许性 ,并给出可容许估计的充要条件     

Linex损失下Poisson分布参数的Bayes估计

记X1,X2,…,Xn为来自Poisson总体容量为n的样本,在Linex损失函数下,给出了Pois-son分布参数θ的Bayes估计并证明其可容许性,同时也得到了该参数的多层Bayes估计的表达式。     

双正态总体均值的置信区间估计及MATLAB实现

分析了两个正态总体均值之差的区间估计(σ21、σ22未知,但σ21=σ22)和两个正态总体均值之差的区间估计(σ21、σ22未知,n1,n2≥50),对参数做区间估计时统计量的选取进行了探讨,结合实例进行了讨论,并给出MATLAB上实现的程序.