两两 NQD 序列下非指数分布族参数的经验 Bayes 检验

讨论两两NQD序列下非指数分布族参数的经验Bayes(EB)检验问题.利用概率密度函数的核估计方法,构造参数的EB检验函数,在适当的条件下证明EB检验函数是渐近最优的,并获得了它的收敛速度.最后举出一个满足定理条件的例子.     

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.     

两两NQD序列下Kumaraswamy分布的经验Bayes检验问题

研究了同分布两两NQD样本下Kumaraswamy分布的经验Bayes(EB)单侧检验问题.利用核估计构造了参数相应的经验Bayes(EB)单侧检验函数,在适当的条件下证明了所提出的EB检验函数是渐近最优的,并获得了EB检验函数的收敛速度.     

双指数分布位置参数的经验Bayes双边检验问题

讨论了双指数分布位置参数的经验Bayes（EB）双边检验问题.利用核估计的方法构造了EB检验函数,在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度.     

Pareto分布形状参数的经验Bayes检验问题

讨论独立同分布样本情形Pareto分布形状参数的经验Bayes(EB)单侧检验问题.利用概率密度函数的递归核估计构造了参数的经验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性并获得了其收敛速度.最后给出了一个满足文中主要结果的例子.     

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.     

两两NQD序列密度函数核估计的r阶平均相合性

两两NQD序列是一类重要的随机变量序列,NA序列是它的一种特殊情况.{Xn,n≥1} 为同分布的两两NQD随机变量序列,f(x)为X1的概率密度函数.基于样本X1,X2,...,Xn,本文给出了密度函数f(x)的核估计,并证明了其r阶平均相合性.     

负相伴样本指数分布参数的经验Bayes检验

讨论了负相伴样本情形指数分布中寿命参数θ的经验Bayes单侧检验问题:H0:θ≤θ0 H1:θ>θ0,利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,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性,并获得了其收敛速度.     

指数分布定数截尾样本下经验Bayes双侧检验问题

研究了指数分布定数截尾情形下失效率函数的经验Bayes（empirical Bayes，EB）双侧检验问题．利用概率密度函数的核估计构造了EB检验函数，证明了它的渐近最优性，并获得了其收敛速度．最后，给出了一个满足定理条件的例子．     

威布尔分布族参数的经验Bayes检验

在"线性损失"下,文章研究了威布尔分布族刻度参数经验Bayes(EB)检验问题,并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,最后给出一个有关主要结果的例子。     

线性指数分布参数的经验贝叶斯估计

对线性指数分布在平方损失下获得了参数的贝叶斯估计,并构造了相应的经验贝叶斯估计,证明了所提出的经验贝叶斯估计是渐近最优的且有收敛速度O（n^-q）,其中q=（s-1）（λs-1）／[s（2s＋1）],1／2〈λ〈1—1／（2s）,s≥2是一给定的整数．     

威布尔分布族参数的经验Bayes双侧检验

在加权平方损失函数下,讨论了Weibull分布族刻度参数的EB双侧检验.利用概率密度函数的递归核估计,构造了刻度参数的EB检验,证明其渐近最优,并且获得了收敛速度,给出主要结果的例子.     

连续型单参数指数族的经验贝叶斯检验

讨论了连续型单参数指数族的经验贝叶斯检验问题.在假定先验分布G(θ)非退化及边缘分布fG(x)m次可导的条件下,通过考虑检验函数的单调性,利用核估计方法构造了经验贝叶斯检验函数并通过泰勒定理证明其收敛速度的阶为O(n-(m-1)/(m 3)).m越大收敛速度越快,当m=∞时,收敛速度的阶近似为O(n-1).通过比较发现,这种方法是有效的.     

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)).     

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．     

LINEX损失下一类分布族参数渐近最优的EB检验

目的 在LINEX损失函数下，讨论一类双边截断型分布族参数的经验Bayes(EB)检验问题。方法 构造适当的EB判决(检验)函数。结果 在经验Bayes检验问题中，将损失函数推广为LINEX损失，在适当的条件下证明了所构造的判决函数是渐近最优的。结论 LINEX损失函数具有比对称损失更广泛的意义，而且在一定条件下可以获得参数渐近最优的EB检验。