刻度参数同变估计类(ξ)1中估计的ε稳定性

采用统计判决中的最优准则方法,讨论了在平方损失函数下与刻度参数的最小风险同变估计Tn有关的一般同变估计类(ξ)L1=Tn1+∑n-1i=1ci(Xi)/(Xn)中估计的ε稳定性问题,给出了此估计类中估计的ε稳定性条件,并用该方法讨论了Γ分布族刻度参数λ估计的ε稳定性.     

刻度参数同变估计类L1中估计的ε稳定性

采用统计判决中的最优准则方法, 讨论了在平方损失函数下与刻度参数的最小风险同变估计T_n有关的一般同变估计类L₁=T_n+∑^n-1_i=1c_i|X_i/X_n|)}中估计的ε稳定性问题, 给出了此估计类中估计的ε稳定性条件, 并用该方法讨论了Γ分布族刻度参数λ估 计的ε稳定性. 关键词: 中图分类号: 〓〓文献标识码： A〓〓 文章编号：     

一类刻度参数指数分布族参数的最小风险同变估计

对Parsian（1996）与Jozani（2002）所研究的一类刻度参数指数分布族c（x,n）θ^-ν e^-T（x）^/θ,利用文献[1]提出的p,q对称熵损失函数L（θ,δ）=θ^p/δ^p＋δ^q/θ^q-2（p,q〉0）,用参数估计方法,研究了刻度参数θ的最小风险同变估计与Bayes估计,并得到了它们的一般形式与精确形式,最后应用积分变换定理证明了Parsian（1996）未曾讨论的问题,即θ的最小风险同变估计具有最小最大性.     

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.     

对称熵损失下指数分布的参数估计

研究指数分布的刻度参数在对称熵损失下的最小风险同变估计及Bayes估计,并讨论（cT＋d）－1形式估计的可容许性与不可容许性．     

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

一种加权对称损失函数下一类指数分布模型参数的估计

对刻度参数指数分布模型c(x,n)θ-v e-T(x)/θ提出了一种新的损失函数——加权p,q对称熵损失函数L(θ,δ)=θp/pδp +δq/qθq -2(p,q＞O,q＜v),并用它研究了刻度参数θ的估计.得到了参数θ的最小风险同变估计与Bayes估计的一般形式与精确形式,这两种估计形式比已有文献中相应形式更为简捷...     

混合误差下半变系数模型估计的相合性

讨论了误差序列{εi,1≤i≤n}是α-混合条件下的变系数模型.利用局部多项式方法给出变系数模型系数函数的估计,并在此基础上讨论了系数函数估计的相合性问题,最终证明了该模型系数函数估计是弱相和合的.     

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.     

熵损失下定数Progressive删失情形Weibull分布尺度参数的估计

在熵损失下得到了尺度参数的最小风险同变估计的精确形式, 并讨论了一类形如［cT_α+d］^-1的估计的容许性; 考虑形状参数的估计方法, 进一步给出了熵损失下定数渐进删失Weibull分布两参数都未知时尺度参数的估计.     

非线性约束条件的污染数据的L2-估计

讨论非线性回归模型yi=f(xi,β)+ei,i=1,2,...,n,其中Eei=0,Eei2=α21,假设yi受到另一独立同分布随机变量序列ui的污染,仅能观察到污染数据y*i=(1-v)yi+vui,0≤v《1,v为未知参数.估计问题带有等式和不等式约束,约束是非线性的.首先利用矩估计方法给出污染参数的估计,最后利用最优化方法讨论了其非线性约束的L2-估计渐近问题,并给出估计量是概率有界的等相关结果.     

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．     

压缩主成分估计

给出线性回归模型{Y=Xβ εE（ε）=0，Cov(ε)=σ^2In中参数β的一种压缩主成分估计，研究了其有效性、可容许性以及抗干扰性，并与岭型组合主成分估计、岭估计、Stein压缩估计以及根方有偏估计等进行了比较，得出在一定条件下，这种估计优于其它几种估计的结论。     

对称损失下一类刻度分布族参数的估计

q对称熵损失函数L(θ,δ)=θ_q/δ_q+δ_q/θ_q-2(0-νe_-T(x)/θ参数θ的估计, 得到 了θ的最小风险同变(MRE)估计及Bayes估计的一般与精确形式, 并讨论了θ的形如cT(X)+d的一类线性估计的可容许性和不可容许性以及θ的MRE估计的最小最大性.     

一类刻度指数分布族参数的Bayes估计

在刻度平方损失函数下,研究了一类刻度指数分布族参数的估计,得到了刻度参数的Bayes估计的一般形式,并研究了它的可容许性,最后在两种给定先验分布下得到了刻度参数的正常Bayes估计和广义Bayes估计的精确形式.在此基础上可以对刻度参数进行进一步的统计推断.     

多元线性模型中系数矩阵的Minimax可容许估计

对于多元线性模型Y=XΘ+ε,E(ε)=0,COV(ε)=σ2(△)(◎)Σ,在该模型中,Θ是未知参数矩阵,此处选取的损失函数是矩阵损失,在齐次线性估计类L={AY:A是k×n的常数矩阵}中给出了多元回归系数矩阵的可估函数SΘ的Minimax容许估计,并且证明了其唯一性.     

污染数据线性回归模型的参数估计和区间估计

研究线性回归模型:yi=α βxi iε,i=1,2,…,n,其中Eiε=0,E2iε=21σ;但y1,y2,…,yn受到另一个独立同分布随机变量序列W1,W2,…,Wn的污染,仅能观察到yi*=(1-v)yi vwi,i=1,2,…,n,Wi与yi相互独立.文章给出了α,β,v的估计及区间估计.     

PA序列下非参数回归函数估计的相合性

设{εi,i≥1}为PA序列,Eεi=0,supjE(ε2j)<∞,对某个r>2及δ>0,supjEεjr+δ<∞,u(n)=O(n(r-2)(r+δ)/2δ),在PA序列误差下,讨论了非参数回归函数加权核估计的相合性.     

多元线性回归模型参数的BC估计

考虑多元线性回归模型Y=XB+ε,其中E(Vec(ε))=0,Cov(Vec(ε))=V In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计.为此,提出了一种有偏估计———BC估计.在均误差意义下,参数的BC估计优于它的LS估计,并证明了参数的BC估计是可容许线性估计.