白噪声下调频信号的参数估计

设有随机过程X_T={X(t):0≤t≤T}满足如下方程X(t)=∫_o~t sin θ3 d3+W(t) 0≤t≤T(1)其中W_T={W(t):θ≤t≤T}是标准维纳过程.本文讨论了均值信号3(θ,t)=∫_o~t sin θ3d3中频率参数θ的ML估计问题.在无界参数空间中得到了其估计的强相容性,渐近正态性和a.s.收敛速度.     

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.     

平方损失下的可容许估计

设(x)为样本空间,P_θ为其上的分布族,θ∈Θ为参数.欲估计g(θ),损失函数为L(g(θ),d).称R(g(θ),d(X))=EL(g(θ),d(X))为估计d(X)的风险函数.称d_0(X)是g(θ)的可容许估计,如果不存在其它估计d_1(X),使得R(g(θ),d_1(X))≤R(g(θ),d_0(X)),对一切θ∈Θ,且不等号至少对某θ_0∈Θ成立.设在参数空间Θ上建立了σ~-域θ,ξ为(Θ,θ)上σ~-有限测度.称g(θ)的估计δ_0(X)关于ξ是几乎可容     

均匀分布族U(0,θ)参数的经验Bayes估计的收敛速度

本文讨论均匀分布族U(0,θ)参数θ的经验Bayes(EB)估计的收敛速度问题。 考虑均匀分布族{U(0,θ)},θ∈Ω=(0,∞),设Ω上参数θ的先验分布为G(θ)。当给定θ时,随机变量X的条件密度和条件分布函数分别如下:     

一维离散指数族参数的连续函数的渐近最优经验Bayes估计

考虑写成下面形状的离散指数分布族:P_θ(X=x)=h(x)β(θ)θ~x,x=0,1,2,…,(1)θ∈Θ,Θ={θ:θ>0,sum from x=1 to ∞ h(x)θ~x<∞},f(θ) 为在Θ上定义的任一连续函数.本文的目的是研究在平方损失 L[f(θ),d]=[f(θ)-d]~2之下,f(θ) 的渐近最优 (asymptotically optimal,简记为 a.o.) 经验 Bayes 估计问题.根据 Robbins 在[1]中介绍,Johns 于1956年在其博士论文 [2] 中,对(1)的一重要特例,即 Poisson 分布族     

离散参数空间平方损失下的可容许估计

50年代以来,许多统计工作者对单参数指数分布族中参数的可容许性(平方损失下)作了较多讨论,给出了一些线性和非线性(主要的是有理函数)的可容许估计.这些内容可参看文献[1—8].文献[9—11]分别在前面的基础上给出了在平方损失下关于 L 测度几乎可容许估计的一般性定理.这些文献所讨论的参数空间是实数空间上有限或无限的连续区间.本文将讨论离散参数空间(?)={θ_k:θ_k∈R~1,k=1,2,…}.第二节对离散参数空间在平方损失函数 L(g(θ),d)=λ(θ)(d-g(θ))~2下,给出参数函数 g(θ)的估计是可容许的充分条件,第三节以二项分布与爱尔兰分布为例说明了该定理的应用.     

定数截尾试验下两参数Weibull分布尺度参数的最优稳健Bayes估计

以Г-后验期望损失作为标准,研究了定数截尾试验下两参数W e ibu ll分布尺度参数θ的最优稳健Bayes估计问题.假设尺度参数θ的先验分布在分布族Г上变化,形状参数β已知时,在0-1损失下,得到了θ的最优稳健区间估计,在均方损失下得到θ的最优稳健点估计及区间估计;β未知时,得到了θ的最优稳健点估计及区间估计.最后给出了数值例子,说明了方法的有效性.     

一类线性结构模型参数的极大似然估计及拟极大似然估计的渐近性质

不少作者探讨过参数的极大似然估计(以下简记为 MLE)的渐近性质.一些统计工作者还把极大似然估计方法用于估计部分参数.即在参数为θ=(θ′_1,θ′_2)′的模型中,当不易求出θ的 MLE,而我们的目的是估计 θ_2时,可将似然函数中其余的参数θ_1用它们的估计(?)来代替,然后极大化这个经代换后的似然函数来求得 θ_2的估计.这就是所谓拟极大似然估计(以下简记为 PMLE).     

一类分布族的损失函数和风险函数的Bayes推断

本文考虑如下一类分布族:F(t)=[g(t)]θ,-∞A0(1)其中g(t)是关于t单调递增的可微函数,且g(A)=0,g(B)=1.在共轭先验分布下研究了未知参数η=1θ的损失函数和风险函数的B ayes估计及其保守性质,并给出相应的B ayes估计的合理性.     

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．