二项分布参数的经典估计与Bayes估计相等的关系

证明了二项分布中未知参数的经典估计(最大似然估计和矩估计),一定存在一个先验分布,使其贝叶斯估计就是该经典估计的结论.     

二元极值分布参数的最大似然估计与分步估计

考虑二元极值分布参数的最大似然估计与分步估计的渐近协方差阵，得到分步估计关于最大似然估计的渐近效率，表明分步估计是一种实用的方法。     

单边截断型分布族位置参数的经验Bayes估计

修改了陶波等假定先验密度ｈ（０）需满足的某些条件，给出了单边截断型分布族参数０的经验Ｂａｙｅｓ估计，并证明了它在绝对误差损失下的渐近最优性，最后给出了一个数值计算的实例。     

Gamma部件参数λ和k的Bayes估计

讨论部件寿命服从Gamma分布,并在形状参数k和尺度参数λ都未知的情况下,分别给出参数k和λ在平方损失函数下的Bayes估计.得到参数k的先验分布为离散分布,λ的先验分布分别为指数Beta和Gamma分布下的Bayes估计公式.     

两参数广义指数分布族形状参数的经验Bayes估计

利用经验Bayes方法研究了两参数广义指数分布未知形状参数的Bayes估计,并给出了数值模拟例子,说明此种方法估计的有效性.     

更新过程中分布参数的最大似然估计

文中我们讨论了更新过程中分布参数的最大似然估计,证明了最大似然估计是强相合的。     

半参数回归模型参数的Bayes估计

讨论了半参数回归模型在先验正态假设下的Bayes估计,当σ2已知时,它是Blight的著作中非参数回归有关结果的推广,还给出了当σ2未知时,各参数相应的Bayes估计     

完全极大似然估计

证明了关于完全极大似然估计的一个重要定理,说明当参数的2个不同的变换的某些分量完全相同时,它们的完全极大似然估计是相同的,另外,给定了正态分布和负指数分布的参数以一定的先验分布,在此基础上计算它们的完全极大似然估计,得到了与贝叶斯参数估计形式非常相似的结果。     

随机截尾情形下Rayleigh分布参数的贝叶斯估计

在不同的先验分布和损失函数下给出了未知参数的贝叶斯估计,最后通过随机模拟给出了几种估计的均值和均方误差,说明了其中的两种估计是较优良的.     

随时间变化系数参数AR模型的Bayes估计

采用Bayes方法,给出一维随时间变化系数自回归时间序列模型(TVPAR模型)中各参数的Bayes估计.选取未知参数的先验分布为均匀分布和逆伽马分布,采用MCEM算法,给出了模型中各参数的估计算法,并对模型进行了模拟计算与实证分析.     

基于参数的贝叶斯先验选择方法

在一个参数的可选先验分布类中选择一个合理先验的问题，类似于从参数空间中估计一个恰当参数的问题．基于这一观点，利用贝叶斯分析的后验分布理论，先求出参数的后验分布，再根据后验分布中各个先验的相对似然选取似然最大的先验为合理先验，从而建立了一个基于参数的后验分布的先验选择方法，它是ML-Ⅱ先验的一个拓广．     

缺失数据场合泊松分布参数的贝叶斯估计

本文给出了缺失数据场合泊松分布参数的经验贝叶斯估计、无信息先验下的贝叶斯估计且基于贝叶斯风险进行了比较.     

定时截尾情形下几何分布参数的估计和检验

本文讨论了定时截尾情形几何分布参数的极大似然估计,证明了参数的极大似然估计的相合性质和进一步的渐近正态性质,给出了检验两几何总体参数相等的检验统计量以及检验统计量的极限分布.其结果对于离散型总体分布的参数估计问题具有普遍的现实意义.     

一种新的正态分布实例的贝叶斯分类算法

用正态分布密度函数逼近条件概率的方法,构造出一种新的贝叶斯算法,对服从正态分布的实例进行分类,大量算例验证了该算法的分类有效性,它可以应用到求解各种数据挖掘问题。     

贝叶斯估计和经典估计的对比研究

分析和探讨了经典估计和贝叶斯估计的异同 ,并结合一个实例对两种估计进行比较 ,从而得到两种估计思想统一于贝叶斯定理 ,并在特定场合下相互等价的结论     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题.主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间.最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大.在置信区间的构造方面,不论是小样本还是大样本,...