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.     

混合指数几何分布

本文讨论元件的寿命分布服从双参数混合指数分布,元件个数服从几何分布的情形下,定义了混合指数几何分布,并研究了该分布的各种性质,讨论了参数的极大似然估计,并使用EM算法得到参数的近似估计. 最后,本文给出了参数的渐近方差、协方差、置信区间.     

Weibull分布有关参数的近似无偏估计

一、引言Weibull分布是最常用的寿命分布之一,其分布函数为:F(t)=1-exp(-(t/η)m),t≥0其中m是形状参数,η是尺度参数,它们均是大于零的未知参数。已有很多文献讨论了Weibull分布参数的估计方法,本文在导出了基于定     

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Legendre多项式的财产损失分布建模研究

在财产保险中,关于损失分布建模的问题,大部分研究都是着眼于传统的参数统计方法,其基本流程为:获取数据→选择参数模型→估计模型参数→指出拟合效果。在模型的选择过程中,人们一般都会假定总体服从几种常见的分布函数,如Pareto分布、Gamma分布、Log-     

结构方程模型的Gibbs抽样与贝叶斯估计

吉布斯(Gibbs)抽样可以在给定协方差数据和参数的先验分布条件下获得结构方程参数的后验分布样本.参数的点估计、区间估计和标准误就可以用这些样本数据计算.然而,在小样本的情况下,不考虑样本规模和似然面形状时,吉布斯抽样能得到较为正确的后验分布.当参数的先验分布充分,它的后验估计值可以被用于对不可识别结构方程模型的参数进行贝叶斯推断.     

企业异质性、市场化与生产率分布

本文运用工业企业数据库估计了企业的全要素生产率,并对我国东中西部生产率分布进行了比较,统计检验发现东中西部生产率存在显著差异,差异有缩小的趋势。用回归模型进一步验证,发现区位优势对生产率存在显著溢价。接下来检验了生产率分布情况,发现企业生产率分布是右偏的,大量的企业生产率处于低水平范围。用伽马分布估计了省级层面的生产率分布参数,发现伽马分布的形状参数和尺度参数是逐渐变大的。接着用估计出来的参数构造省级面板数据,发现市场化程度与分布参数显著正相关,但对形状参数和尺度参数的影响程度不一样,这间接解释了我国区域间生产率差异为什么持续存在。     

基于混合参数先验分布的贝叶斯因子分析

因子分析模型的贝叶斯推断是贝叶斯多元统计推断理论的重要组成部分。本文通过分析因子分析模型的统计结构,构造了模型参数的混合先验分布;利用贝叶斯定理,结合模型样本似然函数和参数的先验分布推导了参数的后验分布;证明了因子载荷阵的条件后验分布为矩阵t分布,协方差阵的条件后验分布为逆Wishart分布。实证研究结果表明:由于参数先验分布的作用,贝叶斯因子分析的结论与传统的因子分析之间存在显著性的差异。     

基于正态-Gamma共轭先验分布的贝叶斯AR(p)预测模型

本文系统地分析了AR(P)时间序列模型的数学模型及其条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-Gamma先验分布情况下模型的贝叶斯推断理论,包括模型自回归系数和精度参数后验分布的统计推断、二次损失函数下参数的贝叶斯估计;同时,从统计数学方法上严格地证明了一步超前预测模型的预报分布为t分布.     

非参数密度估计在个体损失分布中的应用

一、前言所谓个体损失 ,就是每一次保险事故中的损失数额 ,对个体损失分布性状的研究是风险决策理论的重要内容。已有的关于个体损失分布的研究大多着眼于传统的参数统计方法 ,其基本流程为 :获取数据→拟合参数模型→估计模型参数→指出拟合效果 ,也就是说 ,对于损失总体分布性状的了解是建立在确定参数模型的基础上的。自然 ,估计模型参数的方法有很多 ,包括矩估计、极大似然估计、最小距离估计等 ,最终确定的参数模型对个体损失分布通常会有较好的描述 ,能够提供精度较高的分析结果。但在实际操作中 ,这一过程显得太过冗长 ,且对不同样本…     

一种新寿命分布的参数估计及其应用

Chen(2000)提出了一种新的两参数寿命分布,这个分布有递增或浴盆型失效率函数,并基于Ⅱ型截尾样本给出了分布参数的区间估计.文章对这种两参数寿命分布在一个参数已知时,基于Ⅰ型截尾样本并借助Han(2011)给出的失效概率的E-Bayes估计给出了另一个参数的最小二乘估计和加权最小二乘估计,进而得到了失效率函数和可靠度的估计.最后,结合发动机的实际问题进行了计算,结果表明方法可行且便于工程应用.     

泊松分布参数的最高后验概率密度区间的估计方法

文章研究了在先验分布为伽玛分布下,Poisson分布未知参数λ的Bayes区间估计方法,并给出参数的最高后验概率密度区间-HPD区间估计的条件极值解法,最后给出例子说明该方法的优越性.     

负二项分布的两种近似分布及其比较

负二项分布是一个重要的离散型随机变量的分布,可以用泊松分布和正态分布作为其近似分布,通过对两种近似分布进行比较分析,结果表明：在参数q很小时,泊松近似的精度好于正态近似,而且在参数q很小时,即便r不是很大,用泊松分布也能获得负二项分布较好的近似;当参数q较大时,泊松近似效果不好,相比之下,正态近似的结果不错。     

广义Gamma分布簇广义线性混合模型的构建

 本文在广义Gamma分布簇基础上引入异质性来构建广义线性混合模型。本文构建的广义Gamma分布簇广义线性混合模型在广义线性混合模型的框架下分析,通过参数重整技术把广义Gamma分布簇变量的建模问题与指数分布簇变量的建模问题联系起来,模型推断可以方便地利用广义线性混合模型和广义线性模型的研究成果,同时也可以方便地推广到其他模型。三参数广义Gamma分布可以收缩到两参数的Gamma分布、Weibull分布或指数分布,能降低模型误设的风险,还能便利地分析误差结构。     

关于三参数威布尔分布顺序统计量的概率分布性质探讨

设{X_k,1≤k≤n}独立同分布,X₁,X₂,…,X_n为其顺序统计量,当总体服从参数为（μ,m,η）的威布尔分布时,文章得到了其顺序统计量的联合概率密度、极端顺序统计量的概率密度和期望与方差的表达式。证明了当参数m≠1时样本间隔不独立且不同分布,当参数m=1时样本间隔独立不同分布,并由此构造一组独立同分布的指数随机变量exp（1）.还探讨了其最小顺序统计量X₁的渐近分布。     

一种新的非正态联合分布拟合方法:基于g-h分布的蒙特卡罗模拟

用g-h分布进行证券收益率的拟合有很多优点,但是它现有的拟合算法是用分位数分别对其参数进行拟合的,不能使前四阶矩与目标分布一致;同时在给出相关系数矩阵的情况下传统方法不能拟合出符合给定相关系数矩阵的联合分布.为了解决这一不足,文章提出了g-h分布联合分布拟合的蒙特卡罗算法.实证表明,这一方法能够很好地拟合多证券收益率的联合历史分布,在分别给定均值、标准差、偏度、峰度相关系的情况下能得出符合这些参数的模拟分布.     

基于多阶段抽样的贝叶斯序贯过程质量监控分析

文章针对参数随机化情况下的质量控制问题,提出了新的过程质量方法。通过质量控制模型的统计结构分析,研究了Jeffreys先验分布下参数的后验分布和贝叶斯估计,据此构造了具有预警线的过程样本均值-标准差监控图,以及贝叶斯过程能力指数评价模型;然后,将过程状态稳定的模型参数后验分布作为下一阶段的参数先验分布,进行样本数据信息融合、模型迭代更新,建立了基于共轭先验分布的贝叶斯序贯均值–标准差监控和贝叶斯动态过程能力指数估计模型。研究结果表明:与现有的统计过程质量控制方法比较,贝叶斯序贯过程质量监控方法能够融合产品质量指标的历史信息,及时更新过程控制限,动态监控过程质量波动。     

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。     

缺失数据下广义线性模型的经验似然推断

利用经验似然方法,讨论缺失数据下广义线性模型中参数的置信域问题,得到了对数经验似然比统计量的渐近分布为标准卡方分布;给出参数的一些估计量及其渐近分布,利用数据模拟解释了所提出的方法。     

基于Dirichlet过程的非参数贝叶斯方法研究综述

基于Dirichlet过程的非参数贝叶斯方法将先验分布有效扩展到了非参数分布,并广泛应用于密度估计、分层线性模型、有序数据以及生存数据等领域的分析。由于理论和实际的需要,该方法不断发展。为此,文章综述了基于Dirichlet过程的非参数贝叶斯方法的构造、算法及其在不同理论框架下的最新进展,并展望了未来的几个发展方向。