超逆Г分布及其抽样算法

关于可分图模型的Bayes推断,本文提出了超逆Г分布,它可以作为可分的Gaussian图模型中协方差阵的共轭先验分布.在讨论了Г分布和逆Г的性质后,给出了超逆Г分布的抽样算法.     

Г分布密度函数的性质

分析了Г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Г（α，β）分布密度极大值也增大，还指出了β变化时Г（α，β）分布密度与另一特定密度曲线交点的变化规律．     

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.     

若干矩阵Г分布的相关分布

本文研究了与矩阵Г分布相关的若干分布的密度函数，利用矩阵Г分布的特征函数和它的Bartlett分解等方法，获得了与矩阵Г分布相关的几个分布的密度函数解析表达式，它们包括Г分布随机矩阵的子矩阵、行列式、迹和特征根的分布密度，进一步还得到了相关系数矩阵的分布密度函数形式．     

多项分布参数的Г-极大极小估计

本文讨论了多项分布的参数在参数的先验一阶矩的若干限止条件下的Γ-极小极大估计,它有别于毫无先验信息下的通常极小极大估计,又有别于在确切的先验分布下的Bayes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Г(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。     

Dirichlet先验的信息比

通过后验协方差期望的行列式之比研究了作为多项分布参数先验分布的Ｄｉｒｉｃｈｌｅｔ分布的信息性质,导出了Ｄｉｒｉｃｈｌｅｔ分布族及其两个子族及其两个子族的无信息先验分布。     

约束条件下的线性估计

§1.引言可容许性一直是人们所感兴趣的问题.对于线性模型,Cohen 在误差正态的情况下,给出了线性估计在整个估计类中可容许的充要条件.Rao 在误差分布形式无任何假定下,解决了线性估计在线性估计类中的可容许性问题.但他们都是在参数无任何约束情况下考虑的.在实际问题中,由于种种原因,人们往往对参数或多或少总有些了解,总有一些先验信息.换句话说,参数常常是带有某种约束的.带有约束和没有约束的可容许性是不等价     

位置参数分布族中Fiducial分布与后验分布的关系

本文考虑本质位置参数分布族中,参数的Fiducial分布与后验分布的等同问题.首先讨论了如何给出Fiducial分布,分析结果表明以分布函数形式给出Fiducial分布要比密度函数形式合理,同时,证明了所给的Fiducial分布具有频率性质.然后,研究在参数受到单侧限制时,Fiducial分布与后验分布等同的问题,给出的充要条件是分布族为指数分布族,此时,先验分布是一个广义先验分布,它不能被Lebesgue测度控制.最后,证明了在参数限制在一个有限区间内时,Fiducial分布与任何先验(包括广义先验分布)下的后验分布不等同.     

位置参数分布族中Fiducial分布与后验分布的关系

本文考虑本质位置参数分布族中,参数的Fiducial分布与后验分布的等同问题．首先讨论了如何给出Fiducial分布,分析结果表明以分布函数形式给出Fiducial分布要比密度函数形式合理,同时,证明了所给的Fiducial分布具有频率性质．然后,研究在参数受到单侧限制时,Fiducial分布与后验分布等同的问题,给出的充要条件是分布族为指数分布族,此时,先验分布是一个广义先验分布,它不能被Lebesgue测度控制．最后,证明了在参数限制在一个有限区间内时,Fiducial分布与任何先验(包括广义先验分布)下的后验分布不等同．     

贝叶斯指数可靠性增长模型先验分布参数的确定

Ｇａｍｍａ分布函数Г（ｘ│α，β），α〉０，β〉０通常用做贝叶斯指数可靠性增长模型的先验分布密度函数，参数αβ的不同，将引起增长试验的评估结果很大的差异，本文应用计算机仿真，通过对典型示例的分析，比较得出了先验分布参数的三种取法对可靠性评估结果的影响。     

基于指数分布寿命特征检验的Bayesian停止判别法则

对于指数分布特征寿命参数的单边假设检验问题,在先验分布为逆Г分布的假设下,给出了相应寿命试验的Bayesian停止判决法则,其中损失函数包括试验费用和误判损失两部分.     

Karlin定理的推广和应用

Ｋａｒｌｉｎ定理是研究估计量的容许性的有效工具,但是这个定理是建立在单参数指数族分布下的,本文在多参数指数族分布下给出了Ｋａｒｌｉｎ定理的一个推广,并将它应用到正态分布,Ｐｏｉｓｓｏｎ分布,二项分布,指数分布,逆二项分布和Ｗｉｓｈａｒｔ分布,得到了一些有意义的结果。     

Г—纯整半群

印度数学家Ｍ．Ｋ． Ｓｅｎ和Ｍ．Ｋ．Ｓａｈａ在１９８６年给出了Г－半群的概念和讨论了Г－半群的若干性质。本文引入了Г－正则半群和Г－纯整半群的概念。     

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。     

多维指数族分布的参数线性容许估计的一个充分条件

本文利用唯一的Ｂａｙｅｓ估计是容许估计的原理,构造了一个先验分布π１（θ）＝Ｍβ－１（θ）ψ（θ）ｅｘｐ∑ｎｉ＝１∫θｉθｉ０ｂ－ｒｉ（ｔ）ａｉｎｄｔｉ,当它满足一定的条件时,证明了在均方损失下,多维指数族分布ｆθ（ｘ）＝β（θ）ｅｘｐθ′ｘ的参数ｒ（θ）的唯一Ｂａｙｅｓ估计为线性函数ａ′ｘ＋ｂ,因而也是容许估计     

Г-等变分歧问题的Г-BD v-可决定性和Г-C^0接触v-可决定性

本文研究了分歧理论中Г-等变分歧问题的F-BD有限决定性和Г-C^0触有限决定性问题．利用奇点理论和李群理论中的某些方法，获得了Г-BD有限决定性和Г-C^0接触有限决定性的一个判别准则，推广了P．B．Percell和孙伟志关于C^0接触有限决定结果．     

矩阵非中心Г—分布

本文定义了矩阵形式的非中心Г－分布，它将常见的一元Ｇａｍｍａ分布，非中心ｘ＾２－分布，和多元分析中的中心Ｗｉｓｈａｒｔ分布，非中心Ｆ－分布等纳入一个整体，进而推导了它的特征函数与特征根的分布密度函数，为一些检验奠定了基础。     

指数族中某些参数估计的容许性

对指数族中某些参数的估计的容许性进行了讨论，得到了重要结果。     

Г-半群中的粗理想

将粗糙集的理论方法用于Г-半群的研究，首先定义Г-半群上的同余关系，在此基础上给出Г-半群的粗糙子半群与粗糙理想等概念，并研究了它们的有关性质。