Mlinex损失函数下Weibull分布的Bayes估计

基于Mlinex损失函数,在逐步增加Ⅱ型截尾样本下,讨论Weibull分布参数的Bayes估计．取逆伽玛分布为共轭先验分布,给出参数的Bayes估计,证明估计的可容许性．通过数值模拟,说明Mlinex损失函数下估计的稳健性．     

Mlinex损失函数下逆伽马分布尺度参数的Bayes估计

在Mlinex损失函数下,本文首次讨论了逆伽马分布尺度参数的Bayes估计及其可容许性,并对该分布的一个充分统计量的逆线性形式的容许性进行了分析,然后使用蒙特卡洛模拟阐明小样本情形下尺度参数的Bayes估计的精度一般优于其最大似然估计和Minimax估计,与一致最小方差无偏估计相当。     

复合Mlinex损失函数下对数Weibull分布参数的Bayes估计

基于复合Mlinex损失函数,研究了对数Weibull分布的参数在先验分布为伽玛分布下的Bayes估计,E-Bayes估计和多层Bayes估计。并且用数值模拟的方法进行验证,结果表明3种估计方法的稳健性好。     

Mlinex损失函数下指数分布尺度参数的Bayes估计

在Mlinex损失函数下,求出了指数分布的尺度参数的唯一Bayes估计量,并对Bayes估计δB的容许性和形如d[c＋T（x）]的估计量的容许性进行讨论。其主要结果是：在Mlinex损失函数下,指数分布的尺度参数的唯一Bayes估计是δB=[Г（α＋β）/Г（α＋β-c）]^1/c（λ＋∑i=1^mxi,而且可容许的;形如dEc＋T（z）]的估计量当C〉0,d’〈d〈∞以及当c〉0,d。一d时是可容许的。     

Mlinex损失函数下反向帕累托分布形状参数的Bayes估计

文章研究了Mlinex损失函数下反向帕累托分布的参数估计问题。在已知反向帕累托分布位置参数的情况下,给出形状参数的五种估计方法：极大似然估计、最大后验估计、经典Bayes估计、多层Bayes估计、E-Bayes估计,并推导出相应估计方法下的具体表达式。利用MC方法在R软件下进行数值模拟,对比模拟数据确定了参数估计的最优环境,并验证了估计方法的合理性和估计结果的准确性与稳健性,得到了E-Bayes估计为最优估计方法的结论;最后利用最优估计方法对实例进行数据拟合,确定了新疆县市级城市的人均城市道路面积可以利用反向帕累托分布近似拟合,并结合最终数据给出了相应的数据分析。     

复合Mlinex损失下艾拉姆咖分布参数的Bayes估计

在复合Mlinex对称损失下,就参数的先验分布分别为共轭先验、无信息先验以及Jeffreys先验,研究艾拉姆咖分布参数的Bayes估计.通过数值模拟得到Bayes估计值并进行了比较,结果表明当先验分布为共轭先验时,Bayes估计值最优,最后的实证分析证明了模拟的结果.     

Mlinex损失函数下指数分布的尺度参数的Bayes估计

在Mlinex损失函数下,求出了指数分布的尺度参数的唯一Bayes估计量,并对Bayes估计δB的容许性和形如d[c+T(x)]的估计量的容许性进行讨论。其主要结果是:在Mlinex损失函数下,指数分布的尺度参数的唯一Bayes估计是 * ,而且可容许的;形如 * 时是可容许的。(注：*处为公式)
     

一种对称损失函数下几何分布参数的Bayes估计

研究在一种对称损失函数下,几何分布参数的Bayes估计、多层Bayes估计,并讨论Bayes估计的可容许性及置信下限.     

平方损失函数下Poisson分布参数的Bayes估计

本文对给定容量为的一个Poisson分布样本在平方损失函数下,研究了Poisson分布参数的Bayes估计。证明了这一估计是可容许的,并给出Bayes的置信下限．     

熵损失函数下几何分布参数的Bayes估计

本文在熵损失下，给出了对于任何先验分布的几何分布参数θ的Bayes估计，同时由参数θ的充分统计量Σni=1Xi，给出了熵损失函数下，不同先验分布时几何分布参数θ的Bayes估计，并且证明了在熵损失函数下，对任一先验分布，几何分布的参数θ的Bayes估计δB（X）是可容许估计．     

复合Mlinex对称损失下k阶Erlang分布参数的Bayes估计

在Mlinex损失函数基础上定义了复合Mlinex对称损失函数;在复合Mlinex对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计、E-Bayes估计及多层Bayes估计,并证明了其容许性;最后通过MATLAB模拟检验了参数的3种Bayes估计的合理性和优良性。     

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.     

熵损失函数下Burr分布参数的Bayes估计

讨论了在熵损失函数下Burr分布的参数在不同先验分布下的Bayes估计,并且讨论了其多层Bayes估计,给出了容许性估计的一般形式.     

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     

Q对称熵损失下两参数Lomax分布形状参数的Bayes估计

利用Bayes估计的方法对Lmoax分布的形状参数在Q对称熵损失函数下进行估计,并给出了其多层Bayes估计的形式.     

加权平衡损失函数下逆伽马分布的Bayes估计

在逆伽马分布尺度参数的先验分布为其共轭先验分布伽马分布Γ(a,b)时,给出了其在加权平衡损失函数下的Bayes估计、E-Bayes估计和多层Bayes估计.最后通过数值模拟,说明了此3种估计具有较高的稳健性和精确性,其中多层Bayes估计的稳健性最好,E-Bayes估计的精确性最好.     

不同损失函数下艾拉姆咖分布参数的Bayes估计

首先给出了艾拉姆咖分布在全样本场合下参数的极大似然估计;其次在熵损失、Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计,并证明了所给估计都是容许的;最后通过实例,对所给的几个估计的优良性进行了分析.     

熵损失函数下幂函数分布和瑞利分布参数的Bayes估计

【目的】研究熵损失函数下幂函数分布和瑞利分布参数的Bayes估计并对它的可容许性进行验证。【方法】以幂函数分布及瑞利分布为基础,以熵损失函数为主要的损失函数通过参数估计的方法和性质进行证明和研究。【结果】证明得到任意分布在熵损失函数下参数的Bayes估计、先验分布为伽马分布熵损失函数下两个分布参数的Bayes估计,得到参数可容许性。【结论】得到参数的Bayes估计,同时得到两个分布的参数在熵损失函数下的Bayes估计是可容许的。     

Mlinex损失函数下的信度保费

在经典信度理论中,通常用对称损失函数作为衡量预测结果好坏的标准,忽略了拟合度的重要性.为使信度模型更好地应用于实际中,用Mlinex损失函数解决经典信度模型中由对称损失函数引起的高保费征收问题,推导出在Mlinex损失函数下的贝叶斯保费和信度保费,并验证了贝叶斯保费和信度保费的相合性.数值模拟结果表明,Mlinex损失函数下的信度保费优于经典信度保费.