对称熵损失下指数分布的参数估计

研究指数分布的刻度参数在对称熵损失下的最小风险同变估计及Ｂａｙｅｓ估计，并讨论了（ｃＴ＋ｄ）＾－１形式估计的可容话性与不可容许性。     

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，「ｃＴ（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。     

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.     

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.     

熵损失下逆高斯分布参数倒数的Bayes估计

在熵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Rayes估计并证明该参数的Bayes估计是可容许的．     

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。     

对称熵损失函数下的一个可容许性定理的证明

指数分布的尺度参数在对称熵损失函数下的最小风险同变估计（MRE）的形式为，本文根据Brown引理征明了此估计量是可容许的。     

Pareto分布形状参数的最小风险同变估计

在加权p,q对称损失函数下,对实际中广泛应用的两参数Pareto分布,当刻度参数已知时,用参数估计方法,研究了形状参数的最小风险同变估计的形式和性质.得到了最小风险同变估计的一般形式,又经由该参数的广义Bayes估计,得到了最小风险同变估计的精确形式,并证明了这一最小风险同变估计具有最小最大性,从而它也是该参数的最小最大估计,由此将Pareto分布形状参数的最小风险同变估计、广义Bayes估计以及最小最大估计联系起来.     

对称熵损失下工序能力指数Cp的估计

研究工序能力指数在对称熵损失函数下的最小风险风变估计和Ｂａｙｅｓ估计，给出ＭＲＥ估计的精确形式，并对置信度为１－α的区间估计给出临界值，同时，证明Ｂａｙｅｓ会计是可容许的。     

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.     

平衡损失下线性模型系数参数的平衡岭估计

在Zellner提出的平衡损失函数的基础上,同时考虑到岭估计拟合优度及精度,构造了平衡损失函数,给出平衡损失下线性模型系数参数的平衡岭估计概念.在设计矩阵不满秩条件下,讨论平衡损失函数平衡岭估计的优良性.     

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。     

尺度参数的最优尺度不变估计的非容许性

本文针对尺度参数分布的情形，在一般二次损失函数下，证明了维数≥２时，最优尺度不变估计是非容许的，并得到了它的同时改进估计，据此讨论了此改进估计着重失函数类的稳健性问题，在加权平方损失函数下，得到了不等尺度改进估计，对于多个观测值的情形，获得了两个非常有用的结果。     

贝叶斯框架下产品可靠度估计问题的研究

在与信息论中的熵函数有关的p,q对称熵损失函数下,用参数估计方法研究了寿命服从几何分布的产品的可靠度的贝叶斯估计问题。得到了可靠度的贝叶斯估计的一般形式与精确形式,并讨论了可靠度的贝叶斯估计的可容许性。最后研究了可靠度的多层贝叶斯估计并进行了数值计算,结果表明得到的多层贝叶斯估计具有更好的稳健性。     

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.     

一种对称损失下Poisson分布参数倒数的Bayes估计

本文对给定容量为n的一个Poisson样本X1，X2，…，Xn，在对称损失函数下，研究了Poisson分布参数倒数的Bayes估计，并证明了这一估计是可容许的．     

基于奇异设计矩阵的岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论线性模型系数参数岭估计的优良性。对于可估函数在均方误差意义下,得到岭估计优于最小二乘估计的性质。而且在二次损失函数下岭估计具有可容许性。     

基于奇异设计矩阵的广义岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论了线性模型系数参数广义岭估计的优良性.对于可估函数在均方误差意义下,得到了广义岭估计优于最小二乘估计的性质.而且在二次损失函数下广义岭估计具有可容许性.     

多元线性模型在平衡损失下的UMRE估计的存在性

对于设计矩阵列满秩的多元线性模型,在矩阵平衡损失函数下,本文给出了参数矩阵存在一致最小风险同变估计(UMRE估计)的充要条件(在仿射变换群和转移变换群下).     

极大似然估计不变性的拓展

桌一参数估计是否是"最优"估计,通常要从一致性、无偏性、有效性、不变性等方面进行讨论,进而通过实际的观察对其进行数据拟合,分析其相对于实际模型的偏差程度.针对参数估计评选标准中的不变性进行了进一步的探讨.根据参数极大似然估计不变性原则,给出在一定条件下极大似然估计具有不变性的充分必要条件,并利用该结论计算了二元正态分布Z=(X,Y)的未知参数σ2和p的极大似然估计值.