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．     

双指数分布位置参数的经验Bayes检验问题:NA样本情形

讨论了双指数分布位置参数的经验Bayes（EB）检验问题,利用同分布NA样本构造了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．     

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).     

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.     

α-混合样本下Pareto分布参数的经验Bayes双边检验

 在弱平稳α－混合样本下,利用核估计构造了Pareto分布参数的经验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。     

α-混合样本下Pareto分布参数的经验Bayes双边检验

在弱平稳α-混合样本下,利用核估计构造了Pareto分布参数的经验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.     

Rayleigh分布参数的经验Bayes检验:NA样本情形

目的研究负相依样本情形下Rayleigh分布参数的经验Bayes检验问题。方法利用概率密度函数核估计方法获得密度函数及其导数的非参数估计。结果获得了经验Bayes检验函数,证明了检验函数的渐近最优性,得到其收敛速度。结论利用单调经验Bayes方法证明该检验函数可以达到最优。     

NA样本下Modified Weibull模型参数的经验Bayes检验

在线性损失函数下,讨论了NA样本情形下Modified Weibull分布刻度参数的经验Bayes单侧检验问题。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,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Ο(n-1/2)。     

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．     

同分布负相协情形下威布尔分布族参数的经验贝叶斯检验问题

在同分布负相协样本情形下研究了威布尔分布族参数的经验贝叶斯检验.利用密度函数核估计方法构造了参数的经验贝叶斯检验函数,在加权线性损失下获得了该估计的收敛速度,在适当条件下证明了经验贝叶斯检验函数的渐近最优性.     

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.     

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 .     

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.     

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．     

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。     

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.     

当前样本与历史样本相依的线性经验Bayes估计

讨论了当前样本与历史样本m相依样本时单参数总体中参数θ的线性经验贝叶斯估计，得到一致渐近最优速度O(N^-1/2CN^-2)。     

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。