加权p,q对称熵损失下Lomax分布形状参数的Bayes估计与性质

在加权p,q对称熵损失函数下,讨论了Lomax分布形状参数的Bayes估计及其性质,在任意先验分布下得到了参数的Bayes估计的一般形式;在两种确定先验分布下得到了参数的Bayes估计的精确形式,证明了所得Bayes估计具有可容许性;利用Matlab进行数据模拟,验证了所得估计的合理性.     

Pareto分布形状参数的估计及其不变性

在Bayes理论框架下,用加权p,q对称熵损失函数研究了Pareto分布形状参数在刻度参数已知的情况下的Bayes估计的形式和性质,讨论了形状参数的Bayes估计的可容许性,最后证明了形状参数的Bayes估计和可容许估计具有不变性.     

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...     

加权平方损失函数下幂函数分布参数的Bayes估计与性质

在加权平方损失函数下,使用参数估计方法,对幂函数分布的参数 λ,基于给定的一组样本X1,…,Xn,研究了参数λ的Bayes估计问题.得到了参数λ的Bayes估计的一般形式以及在给定先验分布下的精确形式,并讨论了Bayes的可容许性.     

两种统计框架下均匀分布参数估计的对比研究

在理论和模拟方面对均匀分布U (0,θ ) 参数θ 的Bayes 估计与极大似然估计进行对比研究. 首先将基于损失函数和共轭先验得到的Bayes 估计与极大似然估计在形式上进行对比,发现所得Bayes 估计不但在数值上略大于极大似然估计,而且还是参数的相应函数的极大似然估计;然后通过模拟研究两种估计方法对参数的返真性,结果表明所得的Bayes 估计的均方误差在大多数场合下都小于极大似然估计的均方误差.     

贝叶斯框架下泊松分布参数的估计

在给定的泊松样本X1,X2,...,Xn下,研究了泊松分布参数λ的贝叶斯估计问题.在p,q对称损失函数L(λ,δ)=(λ/δ)p+(δ/λ)q-2(p,q∈Z+)下,得到了参数λ的贝叶斯估计的精确形式并讨论了它的可容许性,最后研究了参数λ的最大后验区间估计.     

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.     

q -对称熵损失函数下Pareto分布参数估计

Pareto分布作为一种收入分布有着很重要的现实意义,其形状参数的大小直接影响收入分布的均衡程度,因此在经济中有着广泛的应用价值.主要研究了q-对称熵损失函数下Pareto分布形状参数的最小风险同变估计和Bayes估计.通过证明得到,在适当的Γ-先验分布下,α的Bayes估计都具有统一的形式[cT＋d]-1.并且,针对c和d的各种不同取值情况,讨论了[cT＋d]-1的可容许性和不可容许性,给出了q-对称熵损失函数下参数的最小最大估计.     

加权p，q对称熵损失下Poisson分布变异系数的Bayes估计

为更全面研究Poisson分布的估计问题,在加权p,q对称熵损失函数下,讨论了Poisson分布变异系数的Bayes估计,并给出了Bayes估计的置信区间和多层Bayes估计,得到了其具体形式。     

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.     

Q对称熵损失下两参数Lomax分布形状参数的Bayes估计

利用Bayes估计的方法对Lmoax分布的形状参数在Q对称熵损失函数下进行估计,并给出了其多层Bayes估计的形式.     

复合Mlinex对称损失下k阶Erlang分布参数的Bayes估计

在Mlinex损失函数基础上定义了复合Mlinex对称损失函数;在复合Mlinex对称损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计、E-Bayes估计及多层Bayes估计,并证明了其容许性;最后通过MATLAB模拟检验了参数的3种Bayes估计的合理性和优良性。     

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.     

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.     

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.     

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     

一种加权对称损失函数下Rayleigh分布尺度参数倒数的Bayes估计

首先给出了在加权对称损失函数下Rayleigh分布尺度参数的Bayes估计的一般形式.然后在给出先验分布的条件下,给出了Bayes估计的精确形式.最后证明了此Bayes估计的可容许性.     

Linex损失下二项分布参数的Bayes估计

在Linex损失函数下讨论了二项分布参数的Bayes估计,当先验分布取Beta分布和幂分布时分别给出了参数的Bayes估计,多层Bayes估计,E-Bayes估计的精确形式,并证明了Bayes估计的可容许性.     

熵损失函数下Burr分布参数的Bayes估计

讨论了在熵损失函数下Burr分布的参数在不同先验分布下的Bayes估计,并且讨论了其多层Bayes估计,给出了容许性估计的一般形式.     

熵损失函数下幂函数分布和瑞利分布参数的Bayes估计

【目的】研究熵损失函数下幂函数分布和瑞利分布参数的Bayes估计并对它的可容许性进行验证。【方法】以幂函数分布及瑞利分布为基础,以熵损失函数为主要的损失函数通过参数估计的方法和性质进行证明和研究。【结果】证明得到任意分布在熵损失函数下参数的Bayes估计、先验分布为伽马分布熵损失函数下两个分布参数的Bayes估计,得到参数可容许性。【结论】得到参数的Bayes估计,同时得到两个分布的参数在熵损失函数下的Bayes估计是可容许的。