基于截尾样本不同损失函数下艾拉姆咖分布参数的Bayes估计

给出了艾拉姆咖分布参数在定数截尾样本下的极大似然估计;在Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计,并证明了所给估计都是容许的;通过实例,对所给的几个估计的优良性进行了分析.     

不同损失函数下艾拉姆咖分布参数的Bayes估计——全样本情形

艾拉姆咖分布在装备的维修理论中具有重要的作用。文中首先给出了这类分布在全样本场合下参数的极大似然估计;由于参数的Bayes估计的优良性与所选取的损失函数有关,因此分别在熵损失、Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计如2n/(2∑n i=1ti+λ)等,并证明了所给估计都是容许的;通过随机模拟比较了几类估计的均方误差以及与真值的偏差,从这两方面来看,在熵损失和平衡损失函数下θ的Bayes估计是较优的;最后通过一个实例,计算了几类估计的值并进行了分析,显示几类估计值相差不大。     

不同损失函数下艾拉姆咖分布参数的Bayes估计——全样本情形

艾拉姆咖分布在装备的维修理论中具有重要的作用.文中首先给出了这类分布在全样本场合下参数的极大似然估计;由于参数的Bayes估计的优良性与所选取的损失函数有关,因此分别在熵损失、Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计如2n/(2n∑i=1ti+λ)等,并证明了所给估计都是容许的;通过随机模拟比较了几类估计的均方误差以及与真值的偏差,从这两方面来看,在熵损失和平衡损失函数下θ的Bayes估计是较优的;最后通过一个实例,计算了几类估计的值并进行了分析,显示几类估计值相差不大.     

定时截尾数据Pareto分布参数的Bayes估计

研究定时截尾数据情形下Pareto分布参数θ的Bayes估计和可容许性.给出熵损失函数的定义,取损失函数为熵损失函数,通过计算求出定时截尾情形下的熵损失函数,从而给出了Pareto分布参数θ的Bayes估计的一般形式;在给出先验分布为Gamma分布的条件下,计算出参数θ的后验密度,进而得出了参数θ的Bayes估计的精确形式,证明了所得到的参数θ的Bayes估计的可容许性.     

不同损失下k阶Erlang分布参数的Bayes估计

研究了k阶Erlang分布参数的Bayes估计问题.给出了该分布参数的极大似然估计,分别在平方损失、二次损失、Linex损失、熵损失、对称熵损失和平衡损失函数下给出了参数的Bayes估计的表达式,并运用随机模拟方法对各个估计进行了比较.     

定数双截尾下艾拉姆咖分布参数的贝叶斯估计

首先在定数双截尾场合下,当取Jeffreys先验时,得到了艾拉姆咖分布参数的后验分布;其次分别在平方损失、熵损失和对称熵损失函数下给出了参数的贝叶斯点估计;然后由后验分布得到了参数的贝叶斯可信区间;最后通过实例给出了不同截尾样本下参数的点估计和区间估计,并说明了估计与截尾数之间的相关性.     

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.     

随机截尾下Lomax分布中形状参数的估计

首先在随机截尾样本下给出了Lomax分布形状参数θ的极大似然估计;其次取伽玛分布作为共轭先验分布,在不同的损失函数下给出了形状参数的贝叶斯估计,最后通过实例给出了一个随机样本下形状参数θ的点估计和区间估计.     

逆高斯分布的参数经验Bayes估计

本文在当参数μ已知时,在平方损失下给出了参数的Bayes估计,进一步利用核密度估计方法构造了参数θ的经验Bayes估计函数,并在一定的条件下,证明了所提出的经验Bayes估计函数的收敛速度.     

平方损失下逆威布尔分布参数的Bayes估计

在平方损失下,讨论逆威布尔(IW)分布参数的Bayes估计,并证明所给出的参数Bayes估计是可容许的.     

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．     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数（GE）分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。
     

不同损失函数下分布族参数的极小极大估计

针对一类尺度分布族参数的估计问题,在参数的先验分布为均匀分布、而损失函数为加权平方损失、MLINEX损失和对称熵损失函数下,研究了该分布族参数的Bayes估计和Minimax估计问题.最后,通过Monte Carlo数值模拟,通过计算各估计的均方误差,给出了几种估计的比较结果.     

序约束下一类指数分布族参数的Bayes估计

在平方损失和熵损失函数下,分别讨论序约束下先验分布选取杰佛莱准则时两个单参数指数分布族总体参数的Bayes估计,进而给出了序约束下不同损失函数时的两个单参数指数分布族总体参数精确的Bayes估计形式,并证明了该估计的容许性。     

矩阵损失下贝叶斯线性无偏估计及其稳健性

证明了,在一般线性模型中,未知参数在二次损失下的贝叶斯线性无偏估计也是矩阵损失下的贝叶斯线性无偏估计.讨论了贝叶斯线性无偏估计关于误差分布的稳健性,给出了未知参数的贝叶斯线性无偏估计是最优估计的充分必要条件.     

Pareto分布参数的Bayes估计

文章主要研究了Pareto分布的参数估计。在平方损失函数下给出了Pareto分布参数的Bayes估计,并且证明了这一估计是可容许的。在Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计。     

复合Linex损失下艾拉姆咖分布参数的贝叶斯估计

当参数的先验分布为伽玛分布时,在复合Linex对称损失下,得到了艾拉姆咖分布参数的唯一的贝叶斯估计。进一步讨论该贝叶斯估计的容许性,得出了所给估计为容许估计的条件。     

复合Rayleigh分布模型尺度参数的Bayes估计

基于完全样本讨论了复合Rayleigh分布尺度参数的估计问题。在平方误差损失、LINEX损失函数下导出了复合Rayleigh分布尺度参数的Bayes估计。给出了Monte Carlo数值模拟例子,将得到的估计与最大似然估计进行比较。