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.     

Linex损失下Pareto分布参数的Bayes估计

该文讨论了在Linex非对称损失函数下Pareto分布参数的Bayes估计及多层Bayes估计,并证明了相应的估计是可容许的.     

熵损失下Rayleigh分布尺度参数倒数的Bayes估计

在熵损失函数下研究Rayleigh分布的尺度参数倒数在不同先验分布下的Bayes估计并且讨论了其多层Bayes估计并证明该参数的Bayes估计是可容许的.     

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     

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.     

不同损失下k阶Erlang分布参数的Bayes估计

研究了k阶Erlang分布参数的Bayes估计问题.给出了该分布参数的极大似然估计,分别在平方损失、二次损失、Linex损失、熵损失、对称熵损失和平衡损失函数下给出了参数的Bayes估计的表达式,并运用随机模拟方法对各个估计进行了比较.     

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。     

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.     

加权平衡损失下一类单参数指数分布族参数估计的可容许性

在加权平衡损失函数下,考虑了一类单参数指数参数分布族,得到了参数的Bayes估计,并讨论了一类c T+d形式估计的可容许性和不可容许性.     

熵损失函数下指数分布参数的估计

文章在指数分布参数的先验分布为其共轭先验分布Gamma分布Γ(a,b)时,给出了其在熵损失函数下的E-Bayes估计和多层Bayes估计。     

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。     

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.     

平衡损失下回归系数线性估计的容许性

研究带约束的线性模型{Y=Sβ＋ε Eε=0，Eεε′=σ^2I Hβ=0，在平衡损失函数L（d,β）=ω（Y-Xd）′（Y-Xd）＋（1-ω）（Xd-Xβ）′（Xd-Xβ）下，其中0≤ω≤1已知，d为β的一个估计，给出了β的估计LY（LY＋α）在齐次线性估计类L（线性估计类L1）中可容许的充要条件。     

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。     

p,q-对称熵损失函数下指数分布的参数估计

用参数估计方法, 研究指数分布的刻度参数在p,q-对称熵损失函数下的最小风险同变估计(MRE)、 Bayes估计和Minimax估计, 并讨论了具有［cT+d］^-1形式的估计量当0≤c*, d>0; c=c^*, d>0时是可容许的, 当c<0或 d<0; 0*且d=0; c>c^*且d>0时是不可容许的.