均匀分布族U（θ,cθ）中的经验Bayes检验

考虑均匀分布族U(θ,cθ),f(x|θ)=((c—1)θ)~(-1)I_((θ.cθ))(x),x,θ∈(0,∞),c>1中检验问题H_0:θ≤θ_0(?)H_1:θ>θ_0的经验Bayes检验。本文证得了经验Bayes检验的收敛速度。     

均匀分布U(-θ,θ)参数的估计与优良性

研究均匀分布U(-θ,θ)的矩估计和与极大似然估计,并讨论两估计的优良性,证明矩估计和极大似然估计是强相合的,极大似然估计是UMVUE.     

一类均匀分布参数经验Bayes估计及其收敛速度

近年来,渐近最优(α,0)经验Bayes(E,B)估计引起一些作者的兴趣.对分布族为离散指数族和连续指数族的情形R.S.Singh,P.E.Lin,陈希孺,赵林城等人作了不少研究.R.J.Fox,则对某些截断型分布族如均匀分布族U(θ,θ 1)构造了参数θ的α.0 EB估计,但没有讨论任何收敛速度.我们最近将Fox 的工作推广到均匀分布族U(θ,(?)θ b),其     

连续型多参数指数族中经验Bayes估计及其收敛速度

本文讨论了连续型多参数指数族:中满足适当条件Q(θ)的EB估计及其收敛速度,且收敛速度q在恰当条件下可任意接近于1。     

一类单参数离散指数族参数多项式经验Bayes估计的收敛速度

本文考虑如(1)定义的一类离散指数族分布,得到参数多项式Q_k(θ)=sum from i=0 to k(α_iθ~i)的一串经验Bayes估计的收敛速度。证明了在一定条件下此收敛速度可任意接近1。     

Kumaraswamy分布族参数的经验Bayes检验收敛速度

在"线性损失"下,研究了Kumaraswamy分布族参数的经验Bayes(EB)检验问题.利用独立同分布样本下密度函数的递归核估计和经验Bayes检验函数的单调性,重新构造了参数的EB检验函数,并在适当的条件下,获得了EB检验函数的收敛速度的阶为O(n~(-λ(s-2.5)/s-1))(s≥3,s∈N~*).     

一类Gamma分布位置参数的经验Bayes估计的收敛速度

本文对gamma分布族的位置参数构造了在平方损失下的经验Baycs估计,并建立了它们的收敛速度。证明了在适当的条件下这个收敛速度可任意接近近1/2。文末给出了一个满足定理条件的例子。     

线性模型中经验Bayes估计的收敛速度

考虑了线性模型Ｙ＝θ＋ε中参数θ的经验Ｂａｙｅｓ估计问题，在对ε的密度函数的连续可微性给以较一般限制的条件下，构造了θ的渐近最优经验Ｂａｙｅｓ估计并且给出了这个估计的收敛速度。     

关于一类线性经验Bayes估计及其收敛速度

构造参数θ的一类线性 Bayes估计 ,并给出渐近最优的收敛速度     

正态分布族的参数的线性经验Bayes估计

对于正态分布族{N(μ,σ~2)|-∞<μ<+∞,σ~2>0},本文利用Robbins,Tao Bo 的思想,分别构造了μ,σ~2,θ=(μ,σ~2)′的线性经验 Bayes估计,我们不但在一定条件下讨论了这些估计的 a.o 收敛速度,而且证明了其 a.s 收敛性.     

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.     

均匀分布U(a-θ,a+θ)的参数估计与优效性

研究均匀分布U(a-θ,a+θ)关于参数θ的矩估计和与极大似然估计,讨论参数θ估计的优效性,证明参数θ矩估计不惟一,参数θ的极大似然估计不仅是参数θ的无偏估计,还是参数θ的强相合估计,且参数θ的极大似然估计也是UMVUE.     

均匀分布U[θ-a,θ+a]中参数θ的估计简

首先给出了均匀分布U[θ-a,θ＋a]中参数θ的四种点估计量;然后引入了矩估计、最大似然估计,分别计算其期望、方差,来判断四种估计量的无偏性、相合性及有效性;最后,给出了参数θ的区间估计.     

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。     

关于二项分布参数经验Bayes估计的收敛速度的一点注记

证明了二项分布参数的两个经验Ｂａｙｅｓ估计的收敛速度的上下界均为Ｏ（ｎ－１）的阶，并指出该收敛速度是最好的．这个结论是对Ｌｉａｎｇ（１９８９）的结果的改进．     

线性混合模型中方差分量的经验Bayes估计的收敛速度

在加权平方损失下导出了含有2个方差分量的线性混合模型中方差分量的Bayes估计,利用多元密度函数及其混合偏导数的核估计方法构造了方差分量的经验Bayes（EB）估计,在某些条件下获得了该估计的收敛速度。     

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。     

均匀分布的截断δ冲击模型参数的Bayes估计

利用Bayes估计的方法得到了截断δ冲击模型参数的Bayes估计量,并运用数值模拟的方法对估计量进行实证,得到了参数δ和分布函数之间的变化关系。     

均匀分布U(θ_1,θ_2)的参数估计及优效性研究

讨论均匀分布U(θ_1,θ_2)中参数θ_1,θ_2的估计问题,给出了最大次序统计量和最小次序统计量的分布函数和联合分布函数,并讨论了最大次序统计量和最小次序统计量的数字特征以及这些统计量的优效性.