复合LINEX对称损失下Pareto分布形状参数的E-Bayes估计及应用

在统计决策问题中,统计决策及参数估计的优劣性在很大程度上依赖于损失函数形式的选取.文章主要在在复合UNEX对称损失函数下,研究了Pareto分布在其尺度参数σ已知的情况下利用共轭先验分布求出其形状参数θ的E-Baves估计:并举出具体的数值例子说明其应用性.通过数值分析对其形状参数的Baves估计和E-Baye8估计进行比较,说明后者比前者较优.     

Pareto分布参数估计的损失函数和风险函数的Bayes推断

文章在共轭先验分布下,研究pareto分布参数1/θ的损失函数和风险函数的Bayes估计,并对各种Bayes估计的性质进行讨论,最后指出各种Bayes估计的合理性。     

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。     

不同损失下指数-威布尔分布参数的Bayes估计

文章在对称和非对称损失函数下研究了两参数指数一威布尔分布(EWD)形状参数的Baves估计问题.当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下Baves估计表达式及极大似然估计:运用随机模拟方法产生不同容量的样本对三种不同形式的Baves估计及极大似然估计的精确度进行了比较.模拟结果说明,要提高估计的精确度,应根据样本数选取损失函数.     

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.     

逐次定数截尾下Pareto分布的可靠性分析

基于逐次定数截尾模型,文章选取未知参数的先验分布为无信息先验分布,分别在平方损失和LINEX损失下,讨论了Pareto分布的形状参数,失效率以及可靠度函数的Bayes估计。最后运用Monte Carlo方法对Bayes估计和极大似然估计的MSE,进行了模拟比较。结果表明在LINEX损失下的Bayes估计更优。     

定时截尾样本下广义逆指数分布参数的Bayes估计

文章在定时截尾样本下,讨论了广义逆指数分布形状参数、可靠度和危险率的极大似然估计。基于指数先验分布,在熵损失、平方损失和Linex损失函数下分别得到形状参数、可靠度和危险率的Bayes估计,并给出了确定超参数的方法。利用数值模拟计算了估计量的各种估计均值和均方误差，研究结果表明,形状参数在熵损失和Linex损失函数下的估计精度较高;可靠度的Bayes估计整体优于极大似然估计;危险率的Bayes估计在Linex损失函数下的效果较好。     

复合LINEX对称损失函数下Burr分布参数的估计

文章在参数a已知,双参数Burr分布参数的先验分布为其共轭先验分布T（a,b）时,给出了Burr分布参数在复合LINEX对称损失函数下的Bayes估计和多层Bayes估计。     

三参数Burr分布经验贝叶斯估计的渐近性

文章在平方损失下研究三参数BurrI分布族形状参数的经验贝叶斯(EB)估计的渐近性。在先验分布形式未知的情况下,采用非参数估计方法导出了BurrI分布族形状参数的贝叶斯(Bayes)估计,利用历史样本采用密度函数核估计方法,构造了边缘密度函数及其导函数的估计,将它们代入Bayes估计式中,得到了形状参数的EB估计。在一定的条件下,证明所得到的EB估计具有渐近性,其收敛速度为n-γ(s-1)(δ-2)/δ(2s+1)。文章还举例说明满足定理条件的参数的先验分布是存在的。     

一类非对称损失函数下几何分布可靠度Bayes估计

文章在一类非对称损失损失函数下,讨论了几何分布可靠度的Bayes估计问题.在可靠度的先验分布为贝塔共轭先验分布下,得到了可靠度的Bayes估计、多层Bayes估计,最后给出了一个实际应用例子.     

定数截尾情形指数-泊松分布参数的Bayes估计

文章在对称和非对称损失函数下研究指数-泊松分布参数的Baves估计问题;基于广义无信息先验和定数截尾情形,给出了参数λ在三神不同损失函数下Baye5估计的精确表达式;最后运用Monte-Carlo随机模拟方法对估计进行比较.结果表明,加权平方损失下Bayes估计的精确度和稳健性较好,适合用来对参数λ进行统计推断.     

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。     

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.     

基于记录值样本的指数分布参数的损失与风险函数的Bayes估计

文章基于记录值样本,利用Rukhin提出的一类新的损失函数,将决策误差和统计判别法则结合起来,在共轭先验分布下得到了指数分布参数的损失函数和风险函数的Bayes估计,并给出了相应的Bayes估计为保守估计的条件。     

Laplace分布参数估计的损失函数和风险函数的Bayes推断

文章给出了在共轭先验分布下,Laplace分布的参数估计的损失函数和风险函数的Bayes估计及其为保守估计的一般条件,说明了该条件的合理性;并用上证指数收益率数据作了实证分析。     

几何分布可靠度的Bayse估计

本文在几何分布可靠度的先验分布为幂分布时,给出了其在熵损失函数下的E-Bayes估计公式和多层Bayes估计公式。通过实例验证,这两种估计公式都是稳健的,并进一步表明了在熵损失函数下计算出的几何分布可靠度的E-Bayes估计值比多层Bayes估计值的精度更高,稳健性更好,计算简单,便于应用。     

加权平方损失函数和MUNEX损失函数下一类分布族参数的Minimax估计

文章考虑一类分布族:F(x;θ)=1-[g(x)]θ(A≤x≤B,θ>0),其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0,在加权平方损失函数和MLINEX损失函数下,得到了参数的Bayes估计和Minimax估计.     

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。     

指数族分布中参数的经验贝叶斯估计

指数族分布是一类应用广泛的分布类,包括了泊松分布、Gamma分布、Beta分布、二项分布等常见分布.在非寿险中,索赔额或索赔次数过程常常被假定服从指数族分布,由于风险的非齐次性,指数族分布中的参数θ也为随机变量,假定服从指数族共轭先验分布.此时风险参数的估计落入了Bayes框架,风险参数θ的Bayes估计被表达“信度”形式.然而,在实际运用中,由于先验分布与样本分布中仍然含有结构参数,根据样本的边际分布的似然函数估计结构参数,从而获得风险参数的经验Bayes估计,最后证明了该经验Bayes估计是渐近最优的.     

离散随机变量概率分布的信度模型

在贝叶斯理论中,随机变量被假设服从某个离散概率分布f(x,θ),而未知参数θ也是随机变量服从某个先验分布π(θ).文章研究了离散概率分布的信度估计,讨论了信度估计的性质.在多样本数据下估计了线性贝叶斯估计中的结构参数,得到了f(x,θ)的经验贝叶斯估计.给出的概率分布律的信度估计可以直接用于实际.