定数截尾试验下Pareto分布参数的条件Γ-minimax估计

在定数截尾试验下,假设Pareto分布尺度参数α为已知,当形状参数θ的先验分布在分布族Γ₁和Γ₂上变化时,研究了在对称熵损失函数下,Pareto分布形状参数θ的稳健Bayes估计——条件Γ-minimax估计问题。并利用Monte-Carlo方法进行了模拟,结果表明,条件Γ-minimax估计具有较好的后验稳健性。     

双边定数截尾情形下指数-威布尔分布参数的Bayes估计

在双边定数截尾情形下．给出两参数指数-威布尔（EW）分布形状参数的Bayes估计。基于无信息先验和共轭先验，并分别考虑均方损失和LINEX损失，给出不同的估计结果。最后运用随机模拟的方法对各种估计结果的优良性进行分析比较。     

复合MLINEX对称损失下Pareto分布参数的稳健Bayes估计

基于定数截尾模型,研究了一种特殊的复合MLINEX对称损失函数下,Pareto分布形状参数的稳健Bayes估计—PRGM (Posterior regret gamma minimax)估计.并利用Monte Carlo方法对PRGM估计和极大似然估计进行了比较,结果表明PRGM估计要优于极大似然估计,且具有较好的后验...