刻度平方误差损失下二项分布参数的Bayes估计问题

对给定容量为n的二项分布样本X1,X2,…,Xn,在刻度平方误差损失函数下,利用共轭先验分布讨论二项分布参数θ的Bayes估计,得到了该参数的Bayes估计可容许性的一个充要条件,并给出多层Bayes估计的表达式.     

回归系数的一种有偏估计

在线性回归模型Y=Xβ＋ε；E（ε）=0；Cov（ε）=σ^2V，V〉0下，给出了一种新的有偏估计β^-（F（K））=（X′V^-1X＋TF（K）T′）^-1X′V^-1Y，讨论了这种有偏估计的优良性，推广了已有的相关结果．     

熵损失函数下几何分布参数的Bayes估计

本文在熵损失下，给出了对于任何先验分布的几何分布参数θ的Bayes估计，同时由参数θ的充分统计量Σni=1Xi，给出了熵损失函数下，不同先验分布时几何分布参数θ的Bayes估计，并且证明了在熵损失函数下，对任一先验分布，几何分布的参数θ的Bayes估计δB（X）是可容许估计．     

定数截尾下三参数BurrI分布参数估计的优良性与渐近性

研究BurrI分布族形状参数的一致最小方差无偏估计(UMVUE)、以及在刻度平方损失下的Bayes估计和参数型经验Bayes(PEB)估计.在均方误差(MSE)准则下比较UMVUE与PEB估计的优良性.给出了参数的PEB估计相对于它的Bayes估计的大样本性质,并获得其收敛速度o(n－1).对参数PEB估计的置信区间进行了数值模拟分析.     

刻度平方误差损失下Poisson分布参数的Bayes估计

研究对给定容量为n的一个Poisson分布X1,X2,…,Xn,在刻度平方误差损失函数下,Poisson分布参数的Bayes估计及可容许性,给出参数多层Bayes估计的表达式.     

基于记录值的几何分布模型的Bayes可靠性分析

针对来自几何分布的记录值样本,研究可靠度参数的Bayes估计问题.首先给出可靠度的最大似然估计和最小方差无偏估计;在可靠度参数的先验分布为贝塔分布、损失函数为平方误差损失和一类新的加权平方损失函数下,导出了可靠度的Bayes估计;最后通过Monte Carlo数值模拟例子说明论文给出估计的有效性.     

正态线性单方程计量经济模型的Bayes统计推断

该文研究了如何利用Bayes方法来建立正态线性计量经济模型 :Y =Xβ U ,U ～N( 0 ,σ2 In) ,分别讨论了在二次损失函数下σ2 已知时 ,β的Bayes估计和σ2 未知时 ( β ,σ)的Bayes估计。与 β或 ( β ,σ)的经典统计估计相比较 ,由于Bayes方法融合了样本信息和参数的先验信息 ,其Bayes估计的精度更高。     

不同损失函数下不同无信息先验的Bayes估计及比较

讨论了采用损失函数L2（θ,δ）=aθ^m（δ（x）-x）^2时,在二项分布场合下关于产品合格率的不同无信息先验分布下的Bayes估计,并从Bayes风险的角度,对损失函数为L2（θ,δ）=θ（δ（x）-x）^2。的Bayes估计与[1]中所得的Bayes估计进行了比较。从而得出了采用损失函数L2（θ,δ）=θ（δ（x）-x）^2进行Bayes估计较优的结论。     

线性回归模型系数Stein估计的改进研究

在线性回归模型Y=Xβ,E（ε）=0;COV（ε）=σ^2Ⅰ下给出了有偏估计βc（K）=（CX’X）＋ФKФ＇）^-1X’Y,其中C≥1,K=diag（k1,k2,…,kp）为对角阵,ki≥0,讨论了这种有偏估计的可容许性,证明利用广义岭回归技术可以改进著名的Stein估计（在均方误差意义下）。     

一类指数族的线性容许估计的充分条件

本文采用Bayes法.讨论一类各分量是相互独立的参数的指数族分布,在平方损失下,对参数g（θ）=（g_1（θ_1）,g_2（θ_2）,…,g（θ））＇得到了一个容许线性估计的充分条件。     

关于Gauss-Markov估计在噪声方差矩阵不可逆时的化简

讨论了Gauss-Markov(简记为)估计与最优加权最小二乘估计之间的关系,证明了即使模型噪声方差阵不可逆,在一定条件下GM估计与最优加权最小二乘估计仍可以是统一的.     

无偏预测理论在经验贝叶斯分析中的应用

从预测理论角度考虑了参数的经验贝叶斯估计问题。对正态总体下的估计问题进行了详细的讨论。证明了所给出的经验贝叶斯估计量是最优或条件最优无偏预测量。     

恒加试验中F(t-μ/σ)型寿命分布参数线性无偏估计的改进

给出了F(t-μ/σ)型寿命分布在恒加试验中，加速方程的两个系数a和b，以及尺度参数σ的一种新的最优线性无偏估计，所得到的估计比常用的加权最小二乘估计a和b，以及线性无偏估计σ的方差更小，且计算较为简便。最后，讨论了常见F(t-μ/σ)型寿命分布参数μ、σ在定时截尾试验下的近似无偏估计以及它们的方差、协方差。     

关于参数矩阵的线性经验Bayes估计

设X为p×q随机矩阵,θ为p×q参数矩阵,且θ有先验分布G(Vec(θ)),给定θ,X有条件密度f(Vec(X)｜Vec(θ)).选取矩阵损失L(D(X),θ)=(D(X)-θ)′(D(X)-θ),并在风险矩阵的迹的大小比较标准下讨论θ的线性经验tr Bayes估计及其渐近性质.获得经验tr Bayes估计D tr(X)= X+U(X- X),及具有o(N-1δ-2N)的渐近收敛速度.     

两个方差分量的联合二次不变无偏估计的可容许性

该文对ｙ－Ｎ（Ｘβ,θ１Ｖ１＋θ２Ｖ２）,Ｖ１,Ｖ２≥０,给出了（θ１,θ２）的联合二次不变无偏估计在联合二次不变无偏估计类中不可容许的充要条件,并据此给出了具体判别联合二次不变无偏估计的可容许性的方法。     

Weibull分布场合恒定应力加速寿命试验的最优线性无偏估计

本文给出了恒定应力加速寿命试验参数的最优线性无偏估计，与（１）给出的二步估计相比，此估计有较大的改进，最后还得到了形状参数的近似无偏估计。     

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。     

决策矩阵最小特征值的简化证明

对已被肯定了的结论liminf(λmin(Pn)/n)>0,a.s.在时间序列分析情形运用矩阵语言与初等方法进行重新证明,给出了一个易于理解和掌握的证明过程.     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.     

正态总体参数的最优置信域

本文讨论了正态总体未知参数的最优置信域并推广到正态线性模型的情形。