NA样本情形下Gamma分布族参数的经验贝叶斯估计

现有文献中关于EB估计的结果大多是针对相互独立同分布的样本而考虑的,然而在可靠性理论,渗透理论和某些多元统计分析问题中,随机样本常常不是独立同分布的.本文讨论了Gamma分布族在平方损失下参数的贝叶斯估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,在适当条件下证明了EB估计的渐近最优性,并获得了其收敛速度.     

两两 NQD 序列下非指数分布族参数的经验 Bayes 检验

讨论两两NQD序列下非指数分布族参数的经验Bayes(EB)检验问题.利用概率密度函数的核估计方法,构造参数的EB检验函数,在适当的条件下证明EB检验函数是渐近最优的,并获得了它的收敛速度.最后举出一个满足定理条件的例子.     

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.     

几何模型中参数的经验贝叶斯估计的渐近性

依据经验Bayes估计的思想方法,研究在平方损失函数下几何分布中参数的经验Bayes(EB)估计问题.研究过程为:在平方损失函数下求得参数的Bayes估计,在相同的损失函数下,利用频率逼近概率这一事实,构造参数的EB估计,最后证明所得到的EB估计是渐近最优的,收敛速度为o(n-(2s-1)/(2s+1)).     

均匀分布族U(O,θ)参数的经验Bayes估计的收敛速度

自1955年H.Robins引进经验Bayes(EB)方法以来,这一领域的研究工作有了很大的进展.最近几年来,EB 估计的渐近最优((?).o)性和收敛速问题受到国内外统计学者的注意,并进行了大量研究工作.R.J.Fox 在[1]中提出了均匀分布族U(0,θ)参数的EB 估计,证明了它的(?).o 性,但并未讨论它的收敛速度问题.本文构造了上述分布族参数θ的一个EB 估计,并建立了它的收敛速度.     

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.     

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.     

Weibull分布族参数的经验Bayes检验问题

在NA样本下研究了Weibull分布族刻度参数经验Bayes(EB)单侧检验问题,利用概率密度函数的核估计,构造了刻度参数的EB检验函数,并证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,获得了其收敛速度.     

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。     

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。     

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...     

两两NQD序列下线性指数分布参数的经验Bayes双边检验

讨论两两NQD序列下线性指数分布参数的经验Bayes(EB)双边检验问题.利用概率密度函数的核估计方法,构造参数的EB检验函数,在适当的条件下证明EB检验函数是渐近最优的,并获得它的收敛速度.举出一个满足定理条件的例子.     

两两NQD序列下Kumaraswamy分布的经验Bayes检验问题

研究了同分布两两NQD样本下Kumaraswamy分布的经验Bayes(EB)单侧检验问题.利用核估计构造了参数相应的经验Bayes(EB)单侧检验函数,在适当的条件下证明了所提出的EB检验函数是渐近最优的,并获得了EB检验函数的收敛速度.     

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。     

PA样本下连续型单参指数族参数的EB估计

目的 研究PA样本情形下连续型单参指数族参数的经验Bayes估计.方法 对密度函数及其导函数采用核估计的方法 构造了参数的EB估计.结果 在平方损失函数下,给出PA样本情形参数EB估计的收敛速度.结论 在适当条件下,连续型单参指数族参数的经验Bayes估计,在PA样本下收敛速度可与iid样本及NA样本一样,任意接近D(na-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．     

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     

PA样本下刻度指数族参数的EB检验

目的 研究PA样本情形下刻度指数族参数的经验Bayes检验问题.方法 对密度函数及其导函数采用核估计的方法构造EB检验函数.结果 在加权线性损失下,给出PA样本情形参数EB检验函数渐近最优性及其收敛速度.结论 在适当条件下,所构造的EB检验函数的收敛速度可与iid样本及NA样本一样,任意地接近D(n-1/2).     

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

强混合样本下刻度指数分布族参数的经验贝叶斯估计和检验

本文研究强混合样本下刻度指数分布族参数的经验贝叶斯(EB)估计和检验问题,提出了2种EB估计和2种EB检验方法,在较一般的正则条件下,给出了在强混合样本下所提出的EB估计和EB检验的收敛速度,并模拟研究了EB方法的优劣性。