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。     

一类指数分布参数的渐近最优和可容许的经验Bayes估计

在平方损失下,给出了指数族:f(x|β)=T′(x)βexp{-T(x)β}的参数β的渐近最优与可容许的EBi=1log(1 估计,即:nδ(x1,x2,…,xn)=φ(x1,x2,…,xn)(q T(x))n u,其中φ(x,x1,x2,…,xn)=log(1 T(x)q) Sn(x1,x2,…,xn)-v-1,x1,x2,…,xn(历史样本)和x(当前样本)独立同分布于f(x),Sn(x1,x2,…,xn)=n∑T(xi)q),u>0,v>0,q>0(已知)为任意的实数,并给出了证明。     

刻度指数族参数的渐近最优的经验Bayes估计

对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计，并构造了相应的经验Bayes估计，证明了该估计是渐近最优的。     

在LINEX损失下指数分布刻度参数EB估计的渐近最优性

在LINEX损失函数下,研究指数分布刻度参数的非参数的经验Bayes(EB)估计问题.在此损失函数下,找出参数的Bayes估计,利用抽到的样本,采用密度函数的核估计方法,构造总体X的边缘密度函数,得到参数的EB估计,指出这种EB估计是渐近最优的,它的收敛速度为0(n-γs(l-2)/(2s+1)l),并且这种EB估计方法可推广到多参数情形,举例说明它的应用.     

绝对误差损失下的Bayes估计

本文研究在绝对误差损失下的Bayes估计,并得到一般形式的定理。     

一类单边截断族中参数的渐近有效估计

本文对单边截断型分布族｛１τ∫（ｘ－θ）τ）ｄｘ｜θ∈Ｒ，τ＞０｝，构造了位置参数θ的一类渐近有效估计和自适应估计     

Rayleigh分布参数的贝叶斯经验贝叶斯估计

文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。     

Linex损失下Rayleigh分布参数倒数的Bayes估计

在Linex损失函数L(θ,δ)=ec(δ-θ)-c(δ-θ)-1,c>0下,给出Rayleigh分布的尺度参数倒数的唯一Bayes估计δB(X)=-1/clnE(e-cθ│X)=(n α)/cln(1 c/(λ T)),多层Byaes估计δ∧B(X)=-1/cln,和容许性估计的一般形式Sln(1 c/(d T)).     

刻度指数族参数的经验Bayes双边检验问题——加权损失函数情形

在加权损失函数下讨论了刻度指数族中参数的经验Bayes(EB)双边检验问题.利用概率密度函数及其导数的核估计方法构造了EB检验函数并证明了其渐近最优性,获得了其收敛速度.最后,给出了一个符合定理条件的例子.     

对称损失下巴斯卡分布参数的Bayes估计

研究在给定一种非共轭先验分布的特殊先验分布情况下,巴斯卡分布在对称损失下的Bayes估计,以及Bayes估计的可容许性.     

一类特殊的指数分布族参数的经验Bayes检验:NA样本

在线性损失函数下,对NA样本下一类指数分布族参数θ的经验Bayes单侧检验问题进行了研究.通过构造参数的经验Bayes单侧检验函数,获得了它的渐近最优(a.o)性,在适当条件下得出了所提出的经验Bayes检验函数的收敛速度可以任意接近O(n-1/2).     

加权线性损失函数下Burr Type XII分布形状参数的经验Bayes检验

在加权线性损失函数下,讨论了Burr Type XII分布参数 的经验Bayes单侧检验问题,利用概率密度函数的核估计和经验分布函数构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优性,在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近 .     

对称熵损失函数下一类分布族参数的Bayes估计

在对称熵损失函数下,研究一类分布族参数的Bayes估计问题,并讨论了一类逆线性形式估计的可容许性和不可容许性。     

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。     

PA样本下刻度指数族参数的渐近最优的EB估计

本文在PA样本下研究刻度指数族参数的渐近最优的经验Bayes估计,在刻度平方误差损失函数下导出参数的Bayes估计,利用核估计的方法构造了参数的EB估计,并且证明这种估计的渐近最优性,最后给出一个例子.     

指数族非线性模型ML估计的渐近性质

在指数族非线性模型中，给出了相合估计存在的必要条件，并指出λｍｉｎ（Ｊｎ（β））趋于正无穷作为主要条件的必要性。同时，给出了指数族非线性模型ＭＬ估计相合性成立的一般条件。最后，在相对简单的正则条件下，证明了随机回归变量条件下ＭＬ估计的相合性和渐近正态性。     

双指数分布族参数EB估计的最优性

讨论双指数分布的位置参数在LINEX损失函数下的Bayes估计.在NA样本情形下,利用概率密度函数的核估计方法,构造边缘分布的概率密度估计,按照参数的Bayes估计形式,提出参数的经验Bayes(EB)估计函数,在一定的条件下可以证明所提出的这个经验Bayes估计函数是渐近最优的,并获得其收敛速度,最后举例说明满足定理...     

均匀分布位置参数一种估计的渐近分布及应用

对区间长度为定值均匀分布位置参数的点估计量进行了研究,得到位置参数点估计量的渐近分布,讨论了渐近分布的相关性质,给出了位置参数的区间估计及其假设检验方法.     

刻度指数族参数的经验Bayes检验问题

论文在加权“线性损失”下讨论刻度指数族中参数的经验Bayes(EB)检验问题．利用概率密度函数及其导数的核估计方法构造了EB检验函数，并证明它的渐近最优性，获得其收敛速度．最后，给出两个应用．     

LINEX损失函数下正态均值的估计问题

考虑了在ＬＩＮＥＸ损失函数下正态分布均值的估计问题，在线性估计类ｃＸ＋ｄ中得到了它的容许估计，并对非容许估计得到了一致改进估计，将相应的结果应用于线性回归模型的系数估计之中。