基于非对称损失函数指数分布总体的参数设计

田口玄一的参数设计思想只是针对对称的损失函数所做,有一定的局限性.讨论了非对称的损失函数,定义了损失系数比,并在指标服从指数分布的情形下定义了调整参数,并指出了调整参数在参数设计中的特殊位置和重要特性,给出了参数设计的方法和步骤.     

非对称绝对线性损失下正态总体的参数设计

田口玄一提出了很多损失函数,其中二次损失是应用最为广泛的一种。当实际损失函数不是二次损失函数而使用二次损失时,就会引起参数设计的不正确。在某些情况下,线性损失函数更适合工业应用。本文在非对称的线性损失下,讨论了参数设计的可行性,证明田口先生方法的稳健性设计和灵敏度设计依然行之有效。结果表明性能指标平均值必须稍微偏离目标值,才能使平均损失达到最小。     

运行锅炉排烟损失的稳定性控制

锅炉的排烟损失是锅炉设备的一项主要热损失。如何对实际运行的锅炉进行稳定性控制使其排烟损失达到设计值，则是节能工作的一个重要环节。本文利用计算排烟损失的函数关系式，通过正交设计求得实际运行状态下的参数控制值，以达到减少排烟损失的目的。     

双参数指数分布环境因子的Bayes估计

讨论了定数截尾样本下双参数指数分布环境因子的极大似然估计、区间估计和Bayes估计.以参数后验密度的商密度作为环境因子的后验密度,并结合专家经验运用Bayes方法给出了环境因子在平方损失下和LINEX损失下的Bayes估计.最后运用Monte Carlo方法对各估计结果的均方误差(MSE),进行了模拟比较.结果表明LINEX损失下环境因子的估计较好.     

参数未知的多变量设置调整问题研究

针对存在起始设置偏差过程参数未知的多变量过程,考虑不同质量特性对总体的质量损失影响不同,研究了在调整费用恒定下的统计过程调整问题.基于过程的状态空间方程模型,利用贝叶斯方法对过程的未知参数和设置偏差进行估计,结合过程的费用结构给出了过程的调整策略.通过仿真与其他的调整策略进行了对比分析,仿真结果表明,提出的调整策略能够更为有效地减少过程的质量损失.     

对数伽玛分布尺度参数的Bayes估计在LINEX与复合LINEX损失函数下的比较

在LINEX损失函数与复合LINEX损失函数下,研究对数伽玛分布尺度参数θ的Bayes估计、E-Bayes估计和多层Bayes估计.给出先验分布为伽玛分布和Jeffreys先验分布时的Bayes估计,进而给出先验分布为伽玛分布时的E-Bayes估计和多层贝叶斯估计.通过数据模拟检验参数的Bayes估计和E-Bayes估计的合理性及优良性,并且发现一些数据表中存在一定的规律.     

幂幂损失下正约束参数的贝叶斯估计量及其应用（英文）

所提出的幂幂损失函数对参数过大或过小具有均衡收敛速度或惩罚,具有本文列出的所有七个性质,因此建议用于正限制参数空间.然后在幂幂损失函数下计算参数的贝叶斯估计量、后验风险、综合风险和贝叶斯风险.接着,我们在一个分层正态–正态逆伽玛模型下解析地计算了这些量.最后,数值模拟验证了我们的理论研究.     

MLinex损失函数下Gamma分布的尺度参数的Bayes估计

在MLinex损失函数下,利用Bayes估计方法研究了Gamma分布的尺度参数的Bayes估计,并证明了其容许性.结果是:在Mlinex损失函数下得到了Gamma分布尺度参数唯一的Bayes估计的一般表达式及其精确表达式,并证明是可容许的.最后通过数值分析实例,说明了所用的参数估计方法是合理可行的.     

定数截尾两参数指数——威布尔分布形状参数的Bayes估计

在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,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的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高.     

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．