对称熵损失函数下两参数Lomax分布形状参数的Bayes估计

在对称熵损失函数下,文章讨论了两参数Lomax分布形状参数的Bayes估计,经验Bayes估计,并讨论了一类(cT+d)~(-1)形式估计的可容许性和不可容许性.     

加权平衡损失下泊松分布参数的Bayes估计

文章在加权平衡损失函数下,得到了泊松分布参数的Bayes估计和可容许估计,并讨论了一类cX+d形式估计的可容许性和不可容许性.     

熵损失函数下两参数广义指数分布形状参数的Bayes估计

在熵损失函数下,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,并讨论了一类(CT+d)-1形式估计的可容许性和不可容许性。     

巴斯卡分布可靠度的估计

文章在P,Q对称损失函数下,讨论巴斯卡分布参数θ的Bayes估计及其容许性,并给出了多层Bayes估计及E-Bayes估计的具体形式和Bayes置信下限。     

基于对称熵损失和记录值样本的指数分布模型参数的估计

文章在对称熵损失函数下,基于记录值样本,得到了指数分布参数的最小风险同变估计、Bayes估计和经验Bayes估计,并讨论了一类cXU(n)+d形式估计的可容许性和不可容许性,其中XU(n)为第n个上记录值.     

Pareto分布中形状参数的估计问题

本文研究了当a已知时,Pareto分布中形状参数的估计。首先求得了θ的一致最小方差无偏估计(UMVUE),并证明了它在平方损失下是不可容许的。当θ有先验信息时,分别在平方损失和熵损失下讨论了θ的Bayes估计,并说明了其容许性。其次,在熵损失下,讨论了一类形如(cT(x) d)-1(d>0)的估计的容许性。最后,给出了θ的置信下限。     

Linex损失下Lomax分布形状参数的Bayes估计

文章研究了在Linex损失函数下两参数Lomax分布中尺度参数已知时形状参数的Bayes估计及其容许性、多层Baves估计。     

Mlinex损失函数下广义指数分布形状参数的Bayes估计

文章给出了Mlinex损失函数下两参数广义指数分布形状参数的Bayes估计及其容许性,并对该分布的充分统计量的逆线性形式的容许性进行讨论.最后通过蒙特卡洛模拟说明Bayes估计在小样本情形时的优良表现。     

寿命产品可靠度的贝叶斯估计

在与信息论中的熵函数有关的一种新的加权对称熵损失函数下,用参数估计方法研究了寿命服从几何分布的产品可靠度的估计问题。得到了可靠度的贝叶斯估计的一般形式与精确形式并讨论了贝叶斯估计的可容许性。最后研究了可靠度的多层贝叶斯估计,数值算例表明研究结果能为实际生产提供稳健性较高的估计形式。     

产品无失效概率的贝叶斯估计

对给定的一组泊松样本,在与信息论中的熵函数有关的一种对称损失函数下,用参数估计方法研究了产品无失效概率的贝叶斯估计与区间估计。在给定先验分布下得到了这两种估计的精确形式,并讨论了贝叶斯估计的可容许性,模拟结果表明文章得到的这两种估计都具有较高的精度。     

不同先验下Pareto分布参数的Bayes估计及其容许性

文章讨论了Pareto分布参数θ在不同的先验分布下的Bayes估计,然后讨论了在平方损失下,参数θ的形如(cT(x)+d)-1估计的可容许性.     

Mlinex损失函数下艾拉姆咖分布的Bayes估计

文章在Mlinex损失函数下讨论了艾拉姆咖分布参数θ的Bayes估计,获得Bayes估计θB,并说明了其可容许性.最后通过数值模拟,说明艾拉姆咖分布在Mlinex损失函数下的Bayes估计的合理性及优越性.     

泊松分布变异系数的贝叶斯估计

文章在熵损失函数下,针对一组泊松样本,用参数估计方法研究了泊松分布变异系数的贝叶斯估计问题,得到了变异系数的贝叶斯估计的一般形式与精确形式,并讨论了它的可容许性。最后在给定置信水平1-α下研究了变异系数的贝叶斯置信区间。模拟结果表明这两种估计都具有较高的精度。     

二次损失下带约束的增长曲线模型的Minimax估计

文章对于带椭球约束的增长曲线模型,在二次损失函数下给出回归系数在线性估计类中的Minimax估计,证明该估计是压缩有偏、可容许估计.在一些特殊的情形下,该估计包括了增长曲线功效岭回归估计、多元线性Minimax估计等.     

抽样调查中样本容量的确定

抽样调查中样本容量n的确定极其重要,无论其取值低于或超出容许范围,都会影响到抽样估计的精确度或调查的成本和效益。样本容量的确定可以根据推算出来的公式计算,也可以根据建立在过去抽取满足统计方法要求的样本量所累积下来的经验法则来确定。     

熵损失函数下Burr(α)X分布参数的贝叶斯估计

文章研究了Burr(α)X分布参数的各类贝叶斯估计问题.在熵损失函数下分别获得了参数的贝叶斯估计、经验贝叶斯估计、多层贝叶斯估计和E-Bayes估计.证明了参数经验贝叶斯估计的渐近最优性,讨论了参数多层贝叶斯估计和E-Bayes估计的稳健性,通过蒙特卡洛方法对各类估计的MSE进行了数值模拟和比较分析,结果表明:经验贝叶斯估计的均方误差最小,精度较高.     

基于γ散度的单元水平模型小域稳健估计

在基于抽样调查数据对总体参数进行估计的方法中，小域估计方法能够借助于辅助信息对小样本乃至无样本区域的参数进行有效的估计，并被广泛应用于抽样估计领域。单元水平模型作为小域估计的基本模型之一，是处理单元级别数据估计的有力工具之一。在单元水平模型的应用条件中，需假定区域随机误差和模型随机误差均服从正态分布。然而，在抽样调查中，满足这一条件的调查数据是很少的，尤其是在观测数据中出现离群值时。不满足正态性假设条件下的小域估计量会产生较大的偏差和均方误，因此有必要研究针对正态性假设和离群观测值不敏感的稳健估计方法。通过引入γ散度和γ似然函数，构建了基于单元水平模型的小域稳健估计方法，得到了模型参数的稳健估计和小域目标变量的稳健估计。与现有的稳健估计方法相比，所提新方法能更好地处理区域随机误差和模型随机误差非正态的情形，对于目标变量存在离群观测的情形，具有更好的稳健性，估计均方误更小。在利用模拟数据进行验证中，比较了不同误差分布情形下几类常用估计方法得到的估计量的均方误差，并进一步探究了随着污染分布的方差和比率变化，所得估计量的均方误差变化情形。最后，通过应用于经典的小域估计数据，进一步验证了所提新...     

基于样本协方差的正弦波频率估计算法

文章讨论了乘性和加性噪声背景中的正弦波的频率估计.通过求解基于不同阶次样本协方差方程的根得到了所给模型的频率估计,并通过基于频率方差最小准则得到最优协方差阶次.同时从理论上证明了频率估计是渐进无偏估计,并给出了频率估计的渐近方差表达式.仿真实验证明了算法的有效性.     

非等间隔动态面板数据模型：基于半差分的估计方法和应用

本文提出了非等间隔动态面板数据模型的估计方法,包括非线性最小二乘和最短距离估计法以及这两种估计方法的一步估计量,并且证明了这几个估计量的一致性和渐进正态性。我们使用数值模拟的方法验证了这些估计在有限样本中的估计精度,并且将这四种估计方法应用于实际的问题当中,最终得到了与以往的文献基本一致的估计结果。     

光滑正交最小一乘估计算法的比较

文章首先对线性EV模型与正交最小一乘估计进行了简要介绍.对正交距离的绝对值作了一个近似处理,使得原先不可导的目标函数为一个光滑可导的函数,从而极大地方便了求解.并且通过与正交最小二乘估计、正交最小-乘估计及其算法比较,分析了这种光滑正交最小-乘的合理性和有用性.