无失效数据的贝叶斯分析

对于无失效数据问题,文章利用多层先验分布给出了失效概率的多层贝叶斯估计,并证明其保序性.     

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。     

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。     

在频率学派的区间估计中引入贝叶斯先验

本文将频率学派与贝叶斯学派的区间估计思想结合,得到了一套组合的区间估计理论。然后以正态均值为例,说明了如何求解最优组合区间估计。     

正态分布场合下失效概率新的Beyes估计

利用正态分布函数的凸凹性,获得各观测点失效概率新的Bayes估计.并结合实际问题进行了计算.     

正态分布场合下无失效数据的可靠性参数估计

文章假设产品的寿命服从正态分布,在无失效数据情形,当失效概率pi的先验分布为π(pi|b)=b(1-pi)b-1(1相似文献   

无失效数据情形指数分布可靠性参数的估计

假设产品的寿命服从指数分布,在无失效数据情形,文章给出了当失效率λ的先验分布的核为e-bλ(0<λ<λ0)时,超参数b取2种先验分布时失效率的E-Bayes(Expected-Bayes)估计和多层Bayes估计。最后对实际数据进行了计算,并分析了超参数的先验分布对失效率和可靠度估计的影响及E-Bayes估计和多层Bayes估计之间的关系。     

指数分布场合无失效数据参数的分级Bayes估计

文章讨论了无失效数据在指数分布场合下的失效概率pio利用分级Bayes方法,在无失效数据情形下,引进失效信息后,分析了无失效数据在指数分布场合下的失效概率pi,给出了失效概率pi的分级Bayes估计和可靠性参数估计。通过实例说明了分级Bayes方法对指数分布场合下可靠度估计的可行性。     

正态分布场合下失效概率新的Bayes估计

利用正态分布函数的凸凹性,获得各观测点失效概率新的Bayes估计,并结合实际问题进行了计算。     

威布尔分布场合下无失效数据的可靠性参数估计

文章假设产品的寿命服从威布尔分布,在无失效数据情形,当失效概率pi的先验分布为π(pi|b)=b(1-pi)b-1(1相似文献   

偏度系数的近似线性贝叶斯估计

在概率统计中,偏度系数反映了随机变量的密度曲线的对称特征.由于偏度系数涉及到分布的前三阶矩,因此得到好的估计有一定的难度.文章建立贝叶斯模型,对偏度系数提出近似线性贝叶斯估计,并在多条数据结构下,对先验分布的超参数提出合适的估计,得到偏度系数的经验贝叶斯估计.     

贝叶斯决策的变精度概率粗糙集模型

文章分析讨论了最小风险贝叶斯决策的基本过程,建立了贝叶斯决策的变精度概率粗糙集模型。该模型在处理贝叶斯决策问题时能使决策失误的风险更小。     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。     

CGE模型中CES生产函数的贝叶斯估计

文章讨论了如何把贝叶斯统计方法应用到单个方程非线性计量经济学模型中。首先对贝叶斯统计方法进行了分析;然后以CES生产函数模型为例分析了单个方程非线性模型的贝叶斯估计问题;最后分析了常替代弹性（CES）产函数模型在不同的先验分布下的贝叶斯估计。     

铁路车站能力的贝叶斯区间表示法

文章在车站作业不确定性分析的基础上,得出车站能力也存在着客观的随机性,车站能力的区间估计比点估计能更有效地体现这种不确定。根据贝叶斯区间估计原理,假定车站能力为一随机变量,服从正态分布,在明确车站能力的总体信息、先验信息和样本信息之后,得到车站能力的区间表示方法,即得到可信水平α=0.05的车站能力可信区间,并以实例验证了方法的有效性。     

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.     

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.     

基于分层贝叶斯分析的残疾率小域估计方法

小域估计（Small Area Estimation）是抽样调查领域里一个重要的研究方向,国计民生中的许多重要问题如失业率、传染病的发病率和民意测验等抽样调查都需要采用不同的小域估计方法。本文针对小域估计问题,以估计方法发展脉络为主线,以分层贝叶斯分析的小域估计为重点,对小域估计问题的理论、方法和最新进展进行简述,并利用澳大利亚残疾、老龄化和护理者（SDAC 2003）抽样调查实际数据,从分层贝叶斯分析角度对澳大利亚残疾率进行估计,最后对估计结果进行比较和讨论。     

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.     

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。