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.     

非参数频响函数辨识的约束局部多项式法

对于线性系统中频响函数的估计问题,文章提出一种新的非参数辨识法-局部多项式法.与其它基于加窗策略的非参数辨识法相比较可知,在不使用周期输入激励信号下,局部多项式法在应用离散傅里叶变换时可有效地降低泄露误差的影响.将频响函数和泄露项围绕某中心频率处的窄窗展开成两个局部多项式模型,局部参数的估计可通过多个局部最小二乘问题来求解.当考虑相邻频率处多项式系数间的约束时,对局部多项式法做改进得到约束局部多项式法.改进后的约束局部多项式法通过多目标最小二乘准则来求解,并可降低频响函数估计的均方误差.最后用仿真算例验证文章辨识方法的有效性.     

不同损失下Lomax分布形状参数的Bayes估计

本文研究了两参数Lomax分布形状参数的Bayes估计问题.当尺度参数已知时,给出了在几种不同损失函数下形状参数的Bayes估计表达式,并运用随机模拟方法对各个估计进行了比较.     

广义非参数回归的B样本贝叶斯估计

本文主要研究广义非参数模型B样条Bayes估计 .将回归函数按照B样条基展开 ,我们不具体选择节点的个数 ,而是节点个数取均匀的无信息先验 ,样条函数系数取正态先验 ,用B样条函数的后验均值估计回归函数 .并给出了回归函数B样条Bayes估计的MCMC的模拟计算方法 .通过对Logistic非参数回归的模拟研究 ,表明B样条Bayes估计得到了很好的估计效果     

一类新的拟Bernstein-Bézier曲线

构造了一类新的带双参数形状可调的拟Bernstein基函数,它是在三次Bernstein多项式的基础上扩展而成的一组n次拟Bernstein基.在此基础上,定义了带双形状参数的拟Bernstein-Bézier曲线,它保留了Bézier曲线的几何特征,并具有形状可调的特性.在控制点给定的情况下,可通过改变形状参数的值整体或局部地调控曲线的形状,同时给出参数控制及曲线拼接应用的实例.     

三角形上Bernsiein多项式的导数逼近

本文研究了三角域上的非乘积型Bernstein多项式的导数逼近函数时的收敛阶估计及其迭代极限.     

广义Pareto分布参数的经验Bayes估计的收敛速度

在加权平方损失函数下,获得广义Pareto分布形状参数的经验Bayes(EB)估计,并得到了该估计的收敛速度.     

三角域上带两个形状参数的Bézier曲面的扩展

给出了三角域上带双参数λ1,λ2的类三次Bernstein基函数,它是三角域上三次Bernstein基函数的扩展.分析了该组基的性质并定义了三角域上带有两个形状参数λ1,λ2的类三次Bernstein-Bézier(B-B)参数曲面.该基函数及参数曲面分别具有与三次Bernstein基函数及三次B-B参数曲面类似的性质.当λ1,λ2取特殊的值时,可分别得到三次Bernstein基函数及三次B-B参数曲面以及参考文献中所定义的类三次Bernstein基函数及类三次B-B参数曲面.由实例可知,通过改变形状参数的取值,可以调整曲面的形状.     

熵损失函数下两参数Lomax分布形状参数的Bayes估计

在熵损失函数下,讨论了两参数Lomax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.     

带两个形状参数的五次Bézier曲线的扩展

给出了一组含有两个形状参数α,β的六次多项式基函数,是五次Bernstein基函数的扩展,分析了这组基的性质;基于这组基定义了带两个形状参数的多项式曲线,所定义的曲线具有五次Bézier曲线的性质,改变参数α,β的取值,曲线具有更灵活的形状可调性,而且能向上或从两侧逼近控制多边形.另外,经典的五次Bézier曲线和有关文献中带一个形状参数的曲线均是该文所定义曲线的特例.实例表明,定义的曲线为曲线/曲面的设计提供了一种有效的方法.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

删失截断情形下Weibull分布多变点模型的参数估计

通过添加缺失的寿命变量数据,得到了删失截断情形下Weibull分布多变点模型的完全数据似然函数,研究了变点位置参数和形状参数以及尺度参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的Bayes估计.详细介绍了MCMC方法的实施步骤.随机模拟试验的结果表明各参数Bayes估计的精度都较高.     

任意阶F-Bézier基的一些基本性质

任意次的F-Bézier基统一了三角多项式空间上的C-Bézier基和双曲多项式空间上的H-Bézier基,我们证明这种基函数具有类似于基函数的优良性质,包括端点性质、对称性、升阶性质、线性无关性等,并且证明当形状参数趋于零时F-Bézier基收敛Bernstein基.     

非平衡随机效应模型中方差分量的经验Bayes检验

本文研究了非平衡随机效应模型中方差分量的经验Bayes 检验问题. 利用多元密度函数核估计方法构造了参数的经验Bayes(EB)判决函数,证明了该判决函数的渐近最优性,得到了其收敛速度,并给出了一个满足本文结论条件的先验分布.     

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes估计.利用核估计的方法构造了参数的经验Bayes估计,在适当条件下得到了经验Bayes估计的收敛速度,推广了文献中的相关结果.     

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes 估计. 利用核估计的方法构造了参数的经验Bayes 估计, 在适当条件下得到了经验Bayes 估计的收敛速度, 推广了文献中的相关结果.     

具有P个方差分量的线性模型的Beyes二次估计及可容许估计的非负性

本文对具有 p 个方差分量的线性模型讨论了方差分量线性函数的 Bayes 不变二次估计问题,给出了 Bayes 不变二次估计(无偏和有偏)的显示表达式,并且证明了它们在各自考虑的类中形成了可容许估计的完全类.在可容许估计的完全类中,还讨论了非负参数函数的非负估计问题,给出了可容许的非负定估计存在的充要条件.     

带有不可忽略缺失数据的半参数再生散度模型的贝叶斯分析

半参数再生散度模型是再生散度模型和半参数回归模型的推广,包括了半参数广义线性模型和广义部分线性模型等特殊类型.讨论的是该模型在响应变量和协变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题.在分析中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

对称熵损失下BurrⅫ分布族形状参数和失效率函数的Bayes估计

基于逐次定数截尾样本,在对称熵损失下,针对不同的先验分布,讨论BurrXII分布的形状参数和失效率函数的Bayes估计。对先验分布中所含的超参数采用减函数法构造其先验分布,从而得到相应的Bayes估计。文中说明了所得到的估计是可容许的,文尾运用Monte Carlo方法对估计量的MSE进行了模拟比较。结果显示,所得到的估计有较高的精度。     

指数族刻度参数EB估计的渐近最优性

依据经验Bayes(EB)估计的思想方法,研究在LINEX损失函数下指数族刻度参数的EB估计问题.在这种损失函数下,求得参数的Bayes估计,利用密度函数的核估计方法,构造了总体X的密度函数估计,从而得到参数的EB估计,证明了这种EB估计是渐近最优的,并获得了它的收敛速度,最后将这种方法推广到多参数情形,并举例、模拟说明了它的应用.