对称熵损失函数下两参数广义指数分布形状参数的Bayes估计

在对称熵损失函数下,讨论了两参数广义指数分布形状参数的Bayes估计和可容许估计,并给出了一类逆线性形式(cT+d)-1估计的可容许性和不可容许性的条件.     

熵损失函数下指数分布参数的估计

文章在指数分布参数的先验分布为其共轭先验分布Gamma分布Γ(a,b)时,给出了其在熵损失函数下的E-Bayes估计和多层Bayes估计。     

对称熵损失下工序能力指数C_p的估计

研究工序能力指数在对称熵损失函数下的最小风险同变估计（MRE）和Bayes估计,给出MRE估计的精确形式,并对置信度为1-α的区问估计给出临界值,同时,证明Bayes估计是可容许的．     

对称损失下一类指数分布族的Bayes估计

在对称损失函数下,研究了一类指数分布族尺度参数的估计,并研究了它的的可容许性.得到了尺度参数的Bayes估计的一般形式,在共轭先验分布下得到了尺度参数的Bayes估计的精确形式.在此基础上,讨论了一类形式如cT＋d估计量的可容许性和不可容许性. 更多还原     

熵和对称损失函数下MINQUE和简单估计的比较(英)

在熵损失和对称损失函数下，研究了多元线性模型协方差矩阵的MINQUE估计和简单估计的比较问题，其中多元线性模型的设计矩阵和离散矩阵可以不满秩.并证明了，在熵损失函数下，MINQUE估计总是优于简单估计.     

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。     

非对称损失函数下逆指数分布参数的Bayes估计

针对逆指数分布的估计问题,在参数的先验分布为无信息Quasi先验分布下,得到了平方误差、LINEX损失和熵损失函数下参数的Bayes估计。最后,通过各估计在平方误差损失函数下的风险函数的比较给出本文的结论。     

熵损失函数下定时截尾情形参数的Bayes估计

给出了在熵损失函数下,指数分布参数的Ｂａｙｅｓ估计,在给出先验分布的条件下,得到了Ｂａｙｅｓ估计的精确形式,证明了此估计是可容许的。     

NA样本下一类指数分布族的经验贝叶斯检验

目的讨论负相依样本下一类特殊指数分布族的经验贝叶斯单边检验问题。方法利用概率密度的变窗核估计方法。结果得到了经验贝叶斯检验函数,在适当的条件下获得其收敛速度,并给出了一个满足定理条件的例子。结论该检验函数是渐近最优的。     

q对称熵损失函数下指数分布的参数估计

提出对称熵损失函数的一般形式(λ/δ)^q+(δ/λ)^q-2(q>0) , 即q对称熵损失. 讨论指数分布的尺度参数在此损失函数下的最小风险同变估计、 Bayes 估计和最小最大估计, 给出了更具一般性的结论, 并研究了(cT+d)^-1形式 估计的可容许性和不可容许性.     

对称熵损失下两个指数总体均值的序约束估计

在对称熵损失下, 讨论了样本容量相等时, 两个指数总体均值λ_i(i=1,2)的约束极大似然估计i的险, 其中约束为λ₁≤λ₂. 证明了λ₁与λ₂具有比经典极大似然估计X₁与X₂ 更小的风险, 并给出了当λ₂/λ₁→∞和n→∞时,λ_i对X_i(i=1,2)渐近功效e(λ_i,X_i)的值.     

熵损失函数下巴斯卡分布参数的Bayes估计

研究在熵损失函数下 ,巴斯卡分布可靠度的 Bayes估计及其可容许性 ,并且给出 Bayes置信下限以及多层 Bayes估计的表达式     

p,q-对称熵损失函数下指数分布的参数估计

用参数估计方法, 研究指数分布的刻度参数在p,q-对称熵损失函数下的最小风险同变估计(MRE)、 Bayes估计和Minimax估计, 并讨论了具有［cT+d］^-1形式的估计量当0≤c*, d>0; c=c^*, d>0时是可容许的, 当c<0或 d<0; 0*且d=0; c>c^*且d>0时是不可容许的.     

熵损失下独立指数分布均值的岭估计

借助Ｈｏｅｒｌ和Ｋｅｎｎａｒｄ提出的回归系数的岭估计的思想，通过设备恰当的共轭先验，由Ｂａｙｅｓ观点出发，得到在此比平方损失更恰当的熵损失下，独立指数分布均值的岭估计，并证明其可容许性，同时，当先验参数Ｋ未知时，用“岭迹法”估计了Ｋ值。     

线性指数分布模型的一类贝叶斯判别分析

设有两个总体Π0和Π1,分别服从参数为θ0和θ1的线性指数分布,对于待观测的寿命样本X,给出相应的判别分析问题的Bayes停止判决法则,其中损失函数包括试验费用和误判损失两部分.     

Linex损失下股票投资的贝叶斯预测

在一种新的状态划分方法下,给出了基于Linex损失函数的股票未来价格的多层贝叶斯预测,文中给出了一个实例,将该方法同平方损失下的贝叶斯预测作了对比,说明了该方法的合理性和正确性.     

寿命特征模糊假设的贝叶斯检验

研究了寿命试验数据的模糊统计假设的贝叶斯停止判决法则，其中损失函数为试验费用和误判损失之和．在试验过程中，贝叶斯停止法则由最优截断时间确定，贝叶斯判决法则由判决风险决定．     

q对称熵损失函数下正态总体刻度参数的估计

用参数估计的方法, 研究均值为0的正态分布中刻度参数在q对称熵损失函数下的最小风险同变估计、 Bayes估计和Minimax估计, 并讨论了 ［cT+d］^1/2形式的估计量当0≤c*, d>0; c=c^*, d≥0时是可容许的, 当0*, d=0; c>c^*, d>0时是不可容许的.