正态分布在不同先验下的Bayes估计及风险比较

本文讨论在均值未知,方差已知的正态分布情况下通过在共轭先验以及Jeffreys先验二种先验下的Bayes估计问题,在平方损失函数下和线性损失函数下Bayes风险的比较.数据计算可以看出,在Jeffreys先验下的Bayes风险要比在共轭先验下的Bayes风险要大,但是当样本量增大时,两者的后验风险越来越靠近.     

不同先验分布下艾拉姆咖分布参数的Bayes估计

首先在定数截尾场合下,分别取共轭先验、Jeffreys先验和无信息先验,给出了艾拉姆咖分布参数的Bayes点估计和区间估计;其次用极大似然法得到超参数的估计值;然后通过随机模拟得到参数估计的均值和均方误差;最后由一个实例给出了不同截尾样本下参数的三种点估计和区间估计,并把它们进行了比较.     

扩散先验分布下Bayes多总体分类判别方法的构造

本文研究了各总体服从多元正态分布 ,其未知参数的先验分布均为扩散先验分布时 ,如何利用待判样品的预报密度函数、构造后验概率比并据此对样品进行分类与判别 ;此方法并不需要假设各总体分布的协方差相同 ,而且在预试样本容量较小时仍然可行。     

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.     

先验及后验概率下最优决策的选择

如何以最低代价获得最优决策方案是现代企业管理所面临的基本问题之一。在进行风险型决策过程中,若能结合抽样理论,就可以以最低的代价找到先验概率下及修正后的后验概率下选择最优决策方案。     

多源验前信息下先验分布的稳健融合方法

根据多种先验分布与似然函数尾部特性的比较,给出了多源验前信息下先验分布的稳健融合方法.讨论了由该方法得到的融合先验分布的后验稳健性问题.最后的数值例子表明,由该方法得到的融合先验分布具有较好的稳健性,进一步验证了该方法的有效性.     

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。     

MCMC样本确定的后验密度的收敛性

本文讨论用MCMC样本确定的缺失数据的后验分布收敛到精确分布的问题，给出了几种度量形式下的收敛性。并严格证明了经验分布的后验形式的几个极限定理。     

动力模型参数识别中的Bayes方法

将统计分析中的Bayes方法应用到参数识别问题中,提出了利用测量频率的Bayes估计识别动力学模型的方法,该方法是基于广义逆特征值问题的解。考虑到试验数据的随机性,测量频率用正态分布来描述。此外,将工程师关于测量频率的置信度进行量化,并且与识别过程相结合。数值算例证明了这一方法的有效性。     

恒应力加速寿命试验中无失效数据的处理

对恒应力加速寿命试验中W eibu ll分布无失效数据,合理地构造了失效概率的两种先验分布,并结合现场试验数据,利用极大似然方法和Bayes方法对该组无失效数据进行了处理,所得结果表明本文给出的方法是正确可行的.     

具有正态逆伽玛先验的正态分布中的方差参数在Stein损失下的贝叶斯后验估计量（英文）

对于先验分布为正态逆伽玛分布的正态分布的方差参数,我们解析地计算了具有共轭的正态逆伽玛先验分布的在Stein损失函数下的贝叶斯后验估计量.这个估计量最小化后验期望Stein损失.我们还解析地计算了在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失.数值模拟的结果例证了我们的如下理论研究:后验期望Stein损失不依赖于样本;在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失要一致地大于在Stein损失函数下的对应的量.最后,我们计算了上证综指的月度的简单回报的贝叶斯后验估计量和后验期望Stein损失.     

Locally Adaptive Wavelet Empirical Bayes Estimation of a Location Parameter

The traditional empirical Bayes (EB) model is considered with the parameter being a location parameter, in the situation when the Bayes estimator has a finite degree of smoothness and, possibly, jump discontinuities at several points. A nonlinear wavelet EB estimator based on wavelets with bounded supports is constructed, and it is shown that a finite number of jump discontinuities in the Bayes estimator do not affect the rate of convergence of the prior risk of the EB estimator to zero. It is also demonstrated that the estimator adjusts to the degree of smoothness of the Bayes estimator, locally, so that outside the neighborhoods of the points of discontinuities, the posterior risk has a high rate of convergence to zero. Hence, the technique suggested in the paper provides estimators which are significantly superior in several respects to those constructed earlier.     

������̬��٤���������̬�ֲ��еķ��������Stein��ʧ�µı�Ҷ˹���������

or the variance parameter of the normal distribution with a normal-inverse-gamma prior, we analytically calculate the Bayes posterior estimator with respect to a conjugate normal-inverse-gamma prior distribution under Stein's loss function. This estimator minimizes the Posterior Expected Stein's Loss (PESL). We also analytically calculate the Bayes posterior estimator and the PESL under the squared error loss function. The numerical simulations exemplify our theoretical studies that the PESLs do not depend on the sample, and that the Bayes posterior estimator and the PESL under the squared error loss function are unanimously larger than those under Stein's loss function. Finally, we calculate the Bayes posterior estimators and the PESLs of the monthly simple returns of the SSE Composite Index.     

Bayes estimators whose range has convex hull of zero prior probability

It is shown that in a general statistical decision problem Bayes procedures under convex loss can possess the following property: The induced prior measure of the convex hull of the range of the corresponding Bayes rule is equal to zero. A stronger statement holds in the case of binomial distributions.     

A Bayesian Decision Theory Approach to Classification Problems

We address the classification problem where an item is declared to be from populationπ_jif certain of its characteristicsvare assumed to be sampled from the distribution with pdf f_j(vθ_j), wherej=1, 2, …, m. We first solve the two population classification problem and then extend the results to the generalmpopulation classification problem. Usually only the form of the pdf's is known. To use the classical classification rule the parameters,θ_j, must be replaced by their estimates. In this paper we allow the parameters of the underlying distributions to be generated from prior distributions. With this added structure, we obtain Bayes rules based on predictive distributions and these are completely determined. Using the first-order expansion of the predictive density, where the coefficients of powers ofn⁻¹remain uniformly bounded innwhen integrated, we obtain an asymptotic bound for the Bayes risk.     

修匀法的案例分析

在人寿保险中，预定死亡率是压定纯保费率的一个重要因素之一．本文通过一个具体的实例，介绍预定死亡率的修匀方法．     

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．