Г-分布类的条件概率封闭性

X服从参数α和λ的Γ 分布,V与Y分别服从参数θ和λ的指数分布。我们证明了:在X相似文献   

条件Erlang分布的双参数加法定理

X(γ)和Y(k)服从参数(γ,λ)和(k,μ)的Erlang分布且相互独立.本文证明了在X(γ)相似文献   

对数伽玛分布与负对数伽玛分布的条件概率封闭性

设X服从以α和λ为参数的对数伽玛分布或负对数伽玛分布,V服从以β为参数的负幂分布,则在X相似文献   

条件Erlang分布双参数加法定理的推广

X(m)和Y(k)服从参数(m,λ)和(k,μ)的Erlang分布且相互独立.证明了在X(m)相似文献   

矩阵正态统计分布的一个性质

对于服从相同统计分布的两个 n维随机向量 X和 Y,若 X关于 Y的条件概论分布为多元正态分布Nn(ATy+ b,φ0 ) ,则由 X和 Y构成的 2 n维随机向量也服从多元正态分布 ,并且︳(A) <1;利用条件分布和特征函数的唯一性定理 ,证明了矩阵正态分布也存在类似结论 .     

指数分布族参数的渐近最优与可容许的经验Bayes估计的再探讨

文献[1]在平方损失及超参数α服从伽玛分布且X1′,…Xn′(历史样本)和X(当前样本)独立同分布的条件下,构造了指数分布族{f(x|λ)=λe-λx,λ>0,x>0}的参数λ的渐近最优与可容许的经验Bayes估计.本文在超参数α分别服从伽与分布与指数分布且当前样本由X扩充为X1,…,Xm的情况下,重新构造了指数分布族参数λ的渐进最优与可容许的经验Bayes估计,从而将文献[1]的结果进行了推广.     

约束最小二乘估计的优良性

对于线性模型y=Xθ ε,ε服从椭球等高单峰分布,未知参数θ满足不等式约束a′θ≥0,证明了在参数估计优良性的集中概率准则下,θ的约束最小二乘估计θ~*优于最小二乘估计θ.     

两个伽玛分布的同质性检验

对于两个伽玛分布,Γ(α_1,β_1)和Γ(α_2,β_2),讨论了统计假设:H_0:α_1=α_2,β_1=β_2H_1:α_1≠α_2或β_1≠β_2,基于Hellinger距离与参数的最大似然估计,建立了一个检验统计量.在一定的条件下证明了统计量渐近服从自由度为2的卡方分布.最后用随机模拟的方法研究了所建立的统计量的稳健性,并且与似然比检验统计量进行了比较.     

夹心半群S(X,Y,θ)上的α-同余

本文讨论了夹心半群T(X,Y,θ)上的α-同余与集合Y上Tθ-等价关系之间的联系,证明了对于每个Tθ-等价关系E,夹心半群同余格C(T(X,Y,θ))的完全子格γ-1(E)中的最大元是一个α-同余,并判明Symons同余l,d都是α-同余.对于某些拓扑空间X,Y,确定了夹心半群S(X,Y,θ)上的最小(最大)真α-同余.     

逐次二型截尾样本下BS分布可靠度R=P(Y＜X)分析

基于逐次二型截尾样本,用Bayes方法估计可靠度R=P(Y＜X),并对未观测样本进行预测,其中随机变量X 和Y均服从参数未知的BS分布(Birnaum-Saunders distribution).首先,在不同损失函数下分析BS分布参数和可靠度的Bayes估计.由于Bayes估计不能得到显式表达式,因此采用基于 Met...     

服从二维指数分布的非独立随机变量的线性组合的分布

国内外学者对αX+βγ的分布的研究很多,然而大部分都是在X与Y独立并且服从同一分布的前提下研究的,而对X与Y非独立的情况研究很少,至今未在国内见到相关研究成果,将基于这种考虑,以在可靠性中应用最广泛分布之一的二维指数分布为例,推出了αX+βY的分布.是受可靠性及质量工程等方面的现实例子启发下完成的.     

Γ分布密度函数的性质

分析了Γ分布密度函数的性质,指出了该密度函数与相应参数之间的关系.主要研究第二个参数对密度的影响,证明了β增大时Γ(α,β)分布密度极大值也增大,还指出了β变化时Γ(α,β)分布密度与另一特定密度曲线交点的变化规律.     

加权平方和损失下线性估计的可容许性

1980年,Berger讨论了Γ分布尺度参数的通常估计的容许性向题.本文在此基础上讨论Γ分布尺度参数的线性估计的容许性问题,即 例1 设X_1和X_2相互独立,X_1～Γ(α_1,β_1~(-1)),X_2～Γ(α_2,β_2~(-1))α_1和α_2是已知的正常数,β=(β_1,β_2)′∈R~ ×R~ 是未知的参数.取β的估计为线性估计     

截尾试验下指数分布的贝叶斯估计

在指数分布场合，定数或定时截尾试验，文［１］给出了参数λ在先验分布为Γ（α，β）分布的假设下的Ｂａｙｅｓ估计．文［３］给出了在平方损失下的Ｂａｙｅｓ估计．本文讨论先验分布为Ｂ（ａ，ｂ）分布时，参数λ的Ｂａｙｅｓ估计．     

矩阵损失下随机回归系数和参数的线性Minimax估计

对于一般的随机效应线性模型Y=Xβ+ε,这里β和ε分别是p维和n维的随机向量,且E(βε)=(Aa0),Cov(βε)=σ2(V10 0V2),(Vi≥0,i=1,2)我们定义了Sα+Qβ的线性Minimax估计,在一定条件下得到了Sα+Qβ在线性估计类中的Minimax估计,并在几乎处处意义下证明了它的唯一性.     

分布变点模型的非参数检验和区间估计

设X(1/n+1),…,X(i/n+1),…,x(n/n+2)是定义在[0,1]上的随机过程X(t)的n个等距独立观察值,其中X(i/n+1),0＜i/n+1≤r,服从公共连续分布F;X(i/n+1),τ＜i/n+1＜1,服从公共连续分布F*,F与F*不同;其中τ是过程X(t)的变点.用CUSUM及BrownianSheet方法给出了检测变点r位置的一个程序,并证明了所得结果是强相合的;同时也讨论了r的假设检验和区间估计.     

条件经验随机过程的渐近性质

设(Xi,Yi)(i=1,2,…,n)是来自总体(X,Y)的样本(独立同分布),其中X∈R1,Y∈Rq.M(x y)是Y=y时X的条件分布,Mnkn(x y)为M(x y)的第kn个最近邻域的经验分布估计量,讨论条件经验过程Sn(t,x,y)=kn12(Mnkn(x y)-M(x y))的渐近性质,得出在适当条件下,对固定的y,Sn(t,x,y)(x,t为参数)弱收敛于某一G aussian过程S(.).     

非单特征值的广义分歧定理

讨论了抽象算子方程F(λ,u)=0的局部分歧问题,其中F:R×X→Y是一个C2微分映射,λ是参数,X,Y为Banach空间.利用Lyapunov-Schmidt约化过程及偏导算子Fu(λ*,0)的有界线性广义逆,在dim N(Fu(λ*,0))≥codim R(Fu(λ*,0))=1的条件下,证明了一个广义跨越式分歧定理.当参数空间的维数等于值域余维数时,应用同样的方法又得到了多参数方程的抽象分歧定理.     

非单特征值的广义分歧定理

讨论了抽象算子方程F(λ,u)=0的局部分歧问题,其中F:R×X→Y是一个C~2微分映射,λ是参数,X,Y为Banach空间.利用Lyapunov-Schmidt约化过程及偏导算子F_u(λ~*,O)的有界线性广义逆,在dim N(F_u(λ~*,0))≥codim R(F_u(λ~*,O))=1的条件下,证明了一个广义跨越式分歧定理.当参数空间的维数等于值域余维数时,应用同样的方法又得到了多参数方程的抽象分歧定理.     

非对称损失函数下Burr Ⅻ型分布可靠性指标的Bayes估计

本文研究了R=P(Y＜X)在两种非对称损失函数下的Bayes估计问题,其中随机变量X和Y相互独立且服从不同的Burr XII型分布.利用Lindley近似方法,获得了Bayes估计的显式近似表达式,通过随机模拟比较了不同损失函数下的Bayes估计的性质.