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.     

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。     

基于记录值样本的Rayleigh分布模型的参数估计

文章在均方误差损失函数下,基于记录值样本得到了Rayleigh分布参数的最小风险同变估计和Bayes估计,并讨论了一类cX2U(n)+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。     

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.     

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。     

熵损失函数下广义线性混合模型协方差矩阵谱的分解估计

文章在熵损失函数下,通过计算得到了广义线性混合模型协方差矩阵谱分解估计的风险函数;研究了广义线性混合模型协方差的谱分解估计在一定估计类中的优良性;最终证明了在熵损失函数下,由最小二乘理论得到的无偏估计优于其他两个有偏估计。     

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.     

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.     

平方误差和LINEX损失函数下逆Rayleigh分布参数的经验Bayes估计

在平方误差和LINEX损失函数下,导出了逆Rayleigh分布参数的极大似然估计、Bayes估计和经验Bayes估计,并给出了Monte Carlo数值模拟比较结果.     

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。     

基于逐步递增的Ⅱ截尾样本的Rayleigh分布参数的Bayes收缩估计

在逐步递增的Ⅱ截尾试验下,文章针对Rayleigh分布参数的估计问题,在平方误差损失函数下得到了未知参数的Bayes估计,同时提出了一种新的估计方法-Bayes收缩估计.数值模拟结果表明提出的Bayes收缩估计较Bayes估计更加稳健.     

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。     

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。     

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.     

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。     

多元正态分布熵的Stein型和Brester-Zidek型估计

基于一些随机样本,在Linex损失下估计期望及方差阵都未知的多元正态分布的熵。在仅依赖于|S|的估计类中,熵的最优仿射同变估计δ_c*是可容许估计,但在一些范围更大的估计类中,δ_c*是不可容许估计。文章首先用Stein型估计δ_?ST去改进δ_c*,但Stein型估计不是光滑的,然后用具有光滑性的Brester-Zidek型估计去改进δ_c*,进一步研究知Brester-Zidek估计是可容许估计,也是Bayes估计。     

复合LINEX对称损失下Poisson分布参数的Bayes估计与应用

文章主要在复合LINEX对称损失函数下,研究Poisson分布参数λ的Bayes估计。并举出具体的例子说明其应用性,最后通过数值分析来验证该Bayes估计的合理性。     

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.     

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。