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.     

R.S.Singh的一个猜想的证明:离散情形

本文讨论了一维离散指数族在平方误差损失下的经验Bayes估计问题.证明了其参数的任何经验Bayes估计的渐近最优收敛速度都不可能达到O(n^-1),即使参数空间被限定于一个有限区间.这意味着,Singh(对Lebesgue指数族情形提出)的一个猜想,在离散指数族情形,被证明是正确的.     

线性回归模型参数的联立经验Bayes估计的收敛速度

本文考虑了线性模型中回归系数β=(β₁,…,β_p)′和误差方差σ²的联立经验Bayes(EB)估计.在二次损失下,利用密度函数及其编导数的核估计构造出参数θ=(β₁,…,β_p,σ²)的联立EB估计,在一定条件下证明了θ的联立EB估计的收敛速度任意接近于1.最后、给出了一个实例.     

刻度指数族参数的经验Bayes估计的收敛速度

本文对刻度指数族在加权平方损失下获得了参数的Bayes估计,并构造了相应的经验Bayes（EB）估计,证明了所提出的EB估计是渐近最优的且有收敛速度,其中1/2≤λ<1,s≥3是一给定的整数.最后,给出了刻度指数族EB估计的两个应用.     

负相协随机变量的指数不等式

该文给出了一些负相协随机变量的指数不等式.这些不等式改进了由Jabbari和Azarnoosh^[4]及Oliveira^[7] 所得到的相应的结果.利用这些不等式对协方差系数为几何下降情形, 获得了强大数律的收敛速度为n^-1/2(log log n)^1/2(log n)^2.这个收敛速度接近独立随机变量的重对数律的收敛速度, 而Jabbari和Azarnoosh^[4]在上述情形下得到的收敛速度仅仅为n^-1/3(log n)^5/3.     

在险值与Lp-空间上的连续一致风险度量

本文研究了在险值和L^p-空间上的连续一致风险度量之间的关系.利用凸集分离定理和截尾逼近方法,获得了在险值可以用L^p-空间上的连续一致风险度量表示的结果,并且得到了L^p-空间上的表示定理的一种新的证明方法.它们分别是文献[2]的相关结论从L^∞-空间到L^p-空间上的推广和对Inoue^[4]做的一些补充证明.     

PA样本下刻度指数族参数的EB估计的收敛速度

在同分布正相协（PA）样本下，对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计．并构造了相应的经验Bayes（E·B）估计，证明了所提出的EB估计是渐近最优的并且获得了E·B估计的收敛速度．最后，给出一个满足主要结果的例子。     

两两NQD列的Marcinkiewicz-Zygmund不等式及其应用

本文研究了两两NQD随机变量的Marcinkiewicz-Zygmund不等式及其应用的问题.利用截尾的方法,获得了两两NQD随机变量的p阶(1 ≤ p < 2) Marcinkiewicz-Zygmund不等式结果.作为应用,获得了两两NQD随机变量的两个L^r收敛性结果的简单证明,改进了陈平炎^[10]和Sung^[20]的相应工作.     

U-统计量的分布的非一致性收敛速度

Callaert和Janssen在只假定核的三阶矩有限的条件下,得到了U-统计量的分布的最佳一致性收敛速度O(n^-1/2)。本文在同样条件下,得到了理想的非一致性收敛速度O(n^-1/2(1+|x|)^-3)。     

舍入数据下Lomax分布形状参数的经验Bayes检验问题

本文研究了舍入数据下Lomax分布形状参数的经验Bayes (EB)单侧检验问题.利用密度函数的递归核估计构造了参数的EB检验函数,并在适当的条件下证明了所提出的EB检验函数的渐近最优性,获得了它的收敛速度.最后,给出一个有关本文主要结果的例子.     

连续型单参数指数族参数的经验Bayes检验函数的收敛速度

对独立同分布样本情形的连续型单参数指数族的单边假设检验问题,在线性损失下 导出了单调的Bayes检验函数,构造了相应的经验Bayes(EB)检验函数. 在一定条件下, 获得的经验Bayes检验函数的收敛速度可任意接近$O(n^{-1})$.最后给出了满足定理条件的两个例子.     

伽玛分布族参数的经验Bayes双边检验的收敛速度:NA样本情形

本文研究了NA样本情形下,伽玛分布族形状参数的经验Bayes(EB)双边检验问题.利用概率密度函数的核估计,构造了参数的经验Bayes检验函数,并在适当的条件下,证明了所提出的经验Bayes检验函数的渐近取优(a.o.)性,获得了其收敛速度.     

刻度指数族参数的经验Bayes检验问题:NA样本情形

本文利用同分布负相协（ＮＡ）样本情形概率密度函数的核估计构造了刻度指数族参数的经验Ｂａｙｅｓ（ＥＢ）检验函数,并获得了它的渐近最优（ａ．ｏ．）性。在适当的条件下证明了所提出的ＥＢ检验函数收敛速度可任意接近ｏ（ｎ＾－１２）。最后给出了一个有关本文主要结果的例子。     

һ��Coxģ�Ͳ����ľ���Bayes��˫�����

In this paper, the empirical Bayes (EB) two-sided test for parameter of Cox models is investigated under square loss functions. At first by using recursive kernel estimation of probability function the empirical Bayes two-sided test rule is constructed. It proves that the proposed empirical Bayes test rule is asymptotic optimal and convergence rates are obtained under suitable conditions. Finally an example of satisfying theorem conditions is given.     

基于近邻方法下分布参数的贝叶斯分析

本文基于近邻方法下,构造了连续型单参数指数族参数的经验Bayes(EB)检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的大样本性质.     

负相伴样本情形线性指数分布参数的经验Bayes双侧检验问题

本文讨论了负相伴样本情形线性指数分布参数的经验Bayer(EB)双侧检验问题,利用概率密度函数的核估计构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o)性并获得了它的收敛速度,最后,给出一个有关本文主要结果的例子。     

Empirical Bayes test for scale exponential family

In this paper, we consider the empirical Bayes (EB) test problem for the scale parameters in the scale exponential family with a weighted linear loss function. The EB test rules are constructed by the kernel estimation method. The asymptotical optimality and convergence rates of the EB test rules are obtained. The main results are illustrated by applying the proposed test to type II censored data from the exponential distribution and to the test problem for the dispersion parameter in the linear regression model. __________ Translated from Journal of University of Science and Technology of China, 2004, 34(1): 1–10     

随机效应模型中方差分量的经验Bayes检验问题

给出了双向分类随机效应模型中方差分量的Bayes检验的判决函数,利用核估计的方法,构造了相应的经验Bayes(EB)检验的判决函数．在适当的条件下证明了EB判决函数是渐近最优的且有收敛速度．给出了模型的特例和推广．最后,举出一个满足定理条件的例子．     

负相伴样本情形线性指数分布参数的经验Bayes检验问题

讨论了负相伴样本情形线性指数分布参数的经验Bayes(EB)单侧检验问题.利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性并获得了其收敛速度.最后给出一个有关主要结果的例子.