位置参数分布族中Fiducial分布与后验分布的关系

本文考虑本质位置参数分布族中,参数的Fiducial分布与后验分布的等同问题.首先讨论了如何给出Fiducial分布,分析结果表明以分布函数形式给出Fiducial分布要比密度函数形式合理,同时,证明了所给的Fiducial分布具有频率性质.然后,研究在参数受到单侧限制时,Fiducial分布与后验分布等同的问题,给出的充要条件是分布族为指数分布族,此时,先验分布是一个广义先验分布,它不能被Lebesgue测度控制.最后,证明了在参数限制在一个有限区间内时,Fiducial分布与任何先验(包括广义先验分布)下的后验分布不等同.     

限制参数空间上的Fiducial推断

给出了在限制参数空间上,利用Fiducial方法求参数的区间估计的一般方法,并且讨论了一些常见的典型问题,结果表明所得的区间估计是合理的．另外,本文还证明了在限制参数空间上,刻度族和位置族中参数的条件Fiducial分布与无信息先验的Bayes 后验分布一致,推广了Lindely的结论．     

枢轴分布族中的Fiducial推断

研究枢轴分布族下的Fiducial推断, 提出了求参数的Fiducial分布的一般方法, 在这个方法中Fiducial模型起了重要作用. 方法包含了一些其他求Fiducial分布的方法, 特别地, Fisher提出的第1个Fiducial分布可由此方法导出. 对于单调似然比分布族这样的枢轴分布族, Fiducial分布具有一个Neyman-Pearson观点上的频率性质, 对于文中定义的一类正规参数函数, 它的Fiducial分布也具有上述频率性质. Fiducial推断的一些优点在Fiducial分布的4个应用中展示. 给出了许多例子, 其中的一些例子用现有的方法是得不到Fiducial分布的.     

不同先验分布下的后验分布确定土力学参数

岩土工程中各土层参数的取值是根据现场及室内试验数据,采用经典统计学方法进行确定的,但这往往忽略了先验信息的作用。与经典统计学方法不同的是,Bayes法能从考虑先验分布的角度结合样本分布去推导后验分布,为岩土参数的取值提供一种新的分析方法。岩土工程勘察可视为对总体地层的随机抽样,当抽样完成时,样本分布密度函数是确定的,故Bayes法中的后验分布取决于先验分布,因此推导出两套不同的先验分布:利用先验信息确定先验分布及共轭先验分布。通过对先验及后验分布中超参数的计算,当样本总体符合N(μ,σ2)正态分布时,对所要研究的未知参数μ和σ展开分析,综合对比不同先验分布下后验分布的区间长度,给出岩土参数Bayes推断中最佳后验分布所要选择的先验分布。结果表明:共轭情况下的后验分布总是比无信息情况下的后验区间短,概率密度函数分布更集中,取值更方便。在正态总体情形下,根据未知参数μ和σ的联合后验分布求极值方法,确定样本总体中最大概率均值μ_max和方差σ_max作为工程设计采用值,为岩土参数取值方法提供了一条新的路径,有较好的工程意义。     

参数受限制时的Fiducial区间及其应用

给出在参数受限制的情形下, 求参数函数Fiducial区间估计的一般方法, 并将之应用于位置(刻度)分布族和方差分量模型. 对于位置(刻度)分布族中位置(刻度)参数及参数的差异, 证明了所得到的Fiducial区间为频率意义下的置信区间. 对于方差分量模型中普遍关心的3个参数函数, 求出了其Fiducial区间, 并从理论分析和模拟计算两方面讨论了它们的频率性质.     

Gumbel分布的简单贝叶斯估计

在实际应用中,两参数Gumbel分布的贝叶斯估计往往需要预先知道Gumbel参数的二维联合先验分布。由于获取先验分布的主观性和统计推断的复杂性,目前有关Gumbel分布贝叶斯估计理论及其性质的讨论还比较少,更不要说获得较为简单的Gumbel分布的贝叶斯估计。本文基于Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,利用可靠度函数估计的区间形式表示先验信息,从而得到两个参数Gumbel分布的简单贝叶斯估计。基于此先验信息,该估计过程构造了Gumbel参数的连续联合先验分布,给出了在给定任意时点的可靠度(或累积密度)及其标准差的后验估计,为可靠性与风险评估中简单快速的使用贝叶斯估计刻画极端事件提供了可能.     

线性指数分布的简单贝叶斯估计[英文]

本文利用Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,研究线性指数分布的参数的简单贝叶斯估计.本文的创新之处是利用了核密度估计法和缺一交叉验证法构造概率密度函数.在估计过程中,先验信息可以通过可靠度函数估计的区间形式表示.基于这种先验信息,可以构造线性指数分布参数的连续联合先验分布,并可以给出在任意给定时刻可靠度函数的均值及标准差的后验估计.通过一个数值例子说明这种估计方法.Rayleigh分布是线性指数分布的特殊情况,通过简单贝叶斯估计过程,给出了Rayleigh分布的尺度参数的一种新的先验分布,这个模型的均值可由一个级数逼近.     

双边截断分布族中的卷积定理与渐近有效性

在具有共同支撑的分布族与单边截断分布族中,Ｂｉｃｋｌｅ Ｐ．Ｊ, Ｉｂｒａｇｉｍｏｖ　Ｉ． Ａ． 与 Ｈａｓｍｉｎｓｋｉｉ Ｒ． Ｚ．证明了两个重要的卷积定理．在本文中,我们考虑如下的双边截断分布族：ｄＰθ（ｘ）＝ ｆ（ｘ; θ１, θ２）Ｉ（θ１≤ｘ≤ θ２）ｄｘ,其中θ＝（θ１, θ２）, θ１＜ θ２为未知 待估参数．在较弱的条件下,我们得到了关于此分布族的卷积定理．并且,基于此卷 积定理的结论,提出了一个参数函数渐近有效性的定义．在本文结束之时,对于一个 双边截断分布族,给出了具有此渐近有效性的参数函数的估计．     

扩散先验分布下Bayes多总体分类判别方法的构造

本文研究了各总体服从多元正态分布 ,其未知参数的先验分布均为扩散先验分布时 ,如何利用待判样品的预报密度函数、构造后验概率比并据此对样品进行分类与判别 ;此方法并不需要假设各总体分布的协方差相同 ,而且在预试样本容量较小时仍然可行。     

截断参数分布族参数的可容许估计

在平方损失下Karlin[1]讨论了截断参数分布族参数的可容许估计问题．本文讨论了当待估参数为单调函数和多项式函数时的可容许估计问题.文[1]讨论的待估参数，形式上较特殊，有关结果可视为本文结论的一个特例．     

Information Inequalities for the Bayes Risk for a Family of Non-Regular Distributions

For a family of non-regular distributions with a location parameter including the uniform and truncated distributions, the stochastic expansion of the Bayes estimator is given and the asymptotic lower bound for the Bayes risk is obtained and shown to be sharp. Some examples are also given.     

Fiducial inference in the pivotal family of distributions

In this paper a family, called the pivotal family, of distributions is considered. A pivotal family is determined by a generalized pivotal model. Analytical results show that a great many parametric families of distributions are pivotal. In a pivotal family of distributions a general method of deriving fiducial distributions of parameters is proposed. In the method a fiducial model plays an important role. A fiducial model is a function of a random variable with a known distribution, called the pivotal random element, when the observation of a statistic is given. The method of this paper includes some other methods of deriving fiducial distributions. Specially the first fiducial distribution given by Fisher can be derived by the method. For the monotone likelihood ratio family of distributions, which is a pivotal family, the fiducial distributions have a frequentist property in the Neyman-Pearson view. Fiducial distributions of regular parametric functions also have the above frequentist property. Some advantages of the fiducial inference are exhibited in four applications of the fiducial distribution. Many examples are given, in which the fiducial distributions cannot be derived by the existing methods.     

Mlinex损失函数下一类分布族参数的Bayes估计

考虑分布函数形如F(x;θ)=1-[g(x)]~θ或[1—g(x)]~θ,A≤x≤B,θ0的分布族,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Mlinex损失函数下,给出了其中参数θ的Bayes估计及其容许性,并对分布的一个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.     

Multivariate Distributions from Mixtures of Max-Infinitely Divisible Distributions

A class of multivariate distributions that are mixtures of the positive powers of a max-infinitely divisible distribution are studied. A subclass has the property that all weighted minima or maxima belong to a given location or scale family. By choosing appropriate parametric families for the mixing distribution and the distribution being mixed, families of multivariate copulas with a flexible dependence structure and with closed form cumulative distribution functions are obtained. Some dependence properties of the class, as well as some characterizations, are given. Conditions for max-infinite divisibility of multivariate distributions are obtained.     

双边定数截尾下Pareto分布的可靠性分析

基于双边定数截尾样本,选取未知参数的先验分布为无信息先验和Gamma分布,分别在平方损失和LINEX损失下,研究了Pareto分布的形状参数和可靠性指标(可靠度和失效率)的Bayes估计.为了研究估计的精度,采用Monte-Carlo模拟的方法给出了数值检验的例子.结果表明在LINEX损失下并选用Gamma先验分布时,参数的Bayes估计是最优的.     

The convergent rate of empirical bayes estimators for parameters of normal distribution family

This paper is a continuance of [1]. In [1] the empirical Bayes estimator of the parameter vector of normal distribution family was introduced, and for the loss function (1) its asymptotically optimal property was proved with respect to the prior distribution family (2). In this paper its convergent rate is given under stronger conditions than (2) for the prior distributions.Institute of Systems Science, Academia Sinica     

Distributions Minimizing Fisher Information for Location in Kolmogorov Neighbourhoods

This paper is concerned with the problem of finding those distributionsminimizing Fisher information for location over Kolmogorov neighbourhoods ofdistribution functions G satisfying certain mild conditions. The case when Gis symmetric has been considered by quite a few authors. The general form ofthe solution is discussed. Furthermore we provide the solution of twoasymmetric distributions, namely, the extreme value distribution and thePearson's type IV distribution.     

Extensions of the conjugate prior through the Kullback-Leibler separators

The conjugate prior for the exponential family, referred to also as the natural conjugate prior, is represented in terms of the Kullback-Leibler separator. This representation permits us to extend the conjugate prior to that for a general family of sampling distributions. Further, by replacing the Kullback-Leibler separator with its dual form, we define another form of a prior, which will be called the mean conjugate prior. Various results on duality between the two conjugate priors are shown. Implications of this approach include richer families of prior distributions induced by a sampling distribution and the empirical Bayes estimation of a high-dimensional mean parameter.