MLINEX损失下k阶Erlang分布参数的Bayes估计

在MLINEX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,并证明其容许性.给出了在MLINEX损失下得到了k阶Erlang分布参数的Bayes估计的精确表达式,并且通过随机模拟检验参数Bayes估计的合理性和优良性.     

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．     

基于Bayes估计的一般原则及在平方损失下的简单应用

讨论了求Bayes估计一般方法的理论依据,给出一种新的证明途径.并进一步给出了平方损失下,二项分布参数以Beta分布为先验分布时的Bayes估计以及正态均值在正态先验分布下的Bayes估计.     

Pareto分布形状参数的最小风险同变估计

在加权p,q对称损失函数下,对实际中广泛应用的两参数Pareto分布,当刻度参数已知时,用参数估计方法,研究了形状参数的最小风险同变估计的形式和性质.得到了最小风险同变估计的一般形式,又经由该参数的广义Bayes估计,得到了最小风险同变估计的精确形式,并证明了这一最小风险同变估计具有最小最大性,从而它也是该参数的最小最大估计,由此将Pareto分布形状参数的最小风险同变估计、广义Bayes估计以及最小最大估计联系起来.     

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计，利用同分布负相协（NA）样本构造了经验Bayes（EB）估计量，并在适当的条件下获得（EB）估计的速度．     

双边定数截尾下Burr分布参数的Bayes估计

Burr分布有右偏厚尾的良好性质,在双边定数截尾样本下,分别给出Burr分布在q-对称熵损失函数和复合LINEX对称损失函数下参数的Bayes估计和多层Bayes估计。     

平衡损失函数下负二项分布的 Bayes 估计

针对负二项分布的参数采用Bayes方法进行估计.首先,讨论了平方损失函数下负二项分布参数的估计问题,尤其是建立了新的平衡损失函数,获得了负二项分布参数的无偏估计.其次,讨论了负二项分布与Poisson分布之间的关系.最后给出了熵损失函数下负二项分布参数的估计.     

加权平方损失下一类指数分布族刻度参数的估计

对一类刻度指数分布族c(x,n)θ~(-y)e~[-T(x)/θ],利用加权平方损失函数L(θ,δ=(δ/θ-1)~2研究了刻度参数θ的最小风险同变估计.经由Bayes估计给出了最小风险同变估计的精确形式,并讨论了它的最小最大性,最后应用积分变换定理证明了θ的Bayes估计具有不变性.     

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。     

一种对称损失下Poisson分布参数倒数的Bayes估计

本文对给定容量为n的一个Poisson样本X1，X2，…，Xn，在对称损失函数下，研究了Poisson分布参数倒数的Bayes估计，并证明了这一估计是可容许的．     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

自回归模型参数的贝叶斯估计

本文中我们讨论了误差为T分市的自回归模型,在参数满足Jeffreys型先验分布条件下,得出了多数的贝叶斯估计,并证明了参数估计相容性.     

由古典概型引入贝叶斯公式的一种教学设计

对贝叶斯公式的教学方案进行了设计,通过引入简单实例,尝试应用学生熟悉的古典概型的计算公式导出贝叶斯定理.结合案例直观解释贝叶斯公式中所包含的先验信息和后验信息等概念,使学生更容易理解和掌握贝叶斯公式,并逐步理解贝叶斯公式在贝叶斯统计中的重要地位.     

艾拉姆咖分布参数的EB单侧检验

艾拉姆咖分布在武器装备的维修理论中具有重要作用。在独立同分布条件下研究了艾拉姆咖分布参数的经验贝叶斯检验问题。在对贝叶斯检验函数的临界点的特定要求下构造了分布参数的经验贝叶斯检验函数,给出了其渐近最优性的证明;在合适的条件下得出了收敛速度,并给出了一个满足条件的例子。     

心理状态数的Bayes推断

本文利用两种先验分布对心理状态数进行了Bayes推断 ,分别给出了C的后验分布、条件期望估计和最大后验估计 ,讨论了在无信息先验条件下 ,Bayes估计的优点及如何处理C的区间估计和假设检验问题     

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式．     

PC准则下回归系数估计优良性的计算机模拟

在PC准则下对线性模型中设计矩阵病态时的几种改进估计－－岭估计，压缩估计及Bayes估计进行了计算机模拟，模拟结果显示了几种改进估计的统计优良性。     

数据挖掘中的贝叶斯网络构建与应用

贝叶斯网络是数据挖掘有效的工具之一,贝叶斯网络能够处理不完整数据.定量地描述了数据间的相关性,并以图形的方法描述数据间的相互关系.分析了构建贝叶斯网络的基本理论,并指出了贝叶斯网络在数据挖掘中的应用.