双边截断型分布族参数的经验Bayes诂计

在Linex损失函数下,讨论一类双边截断型分布族参数的经验Bayes(EB)估计问题, 构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度.最后给出例子,说明定理条件的合理性.     

LINEX损失下Paret0分布族参数的经验Bayes估计

在"nex损失函数下,讨论Pareto分布族参数的经验Bayes(EB)估计问题,文中构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度.最后给出满足定理条件的例子.     

连续型单参数指数族参数的经验Bayes估计问题:NA样本情形

对连续型单参数指数族在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当条件下获得了EB估计的收敛速度.文末给出一个满足定理条件的例子.     

双边截断型分布族参数的经验Bayes估计

在Linex损失函数下,讨论一类双边截断型分布族参数的经验Bayes（EB）估计问题,构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度,最后给出例子,说明定理条件的合理性。     

强混合样本下连续型单参数指数分布族的经验贝叶斯估计

本文研究强混合样本下连续型单参数指数分布族的经验贝叶斯(EB)估计.在较弱的正则条件下,给出所提出的EB估计的收敛速度.     

Linex损失下二维单边截断型分布族参数的经验Bayes估计

在linex损失函数下,讨论边二维单边截断型分布族参数的经验Bayes(EB)估计问题,文中构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度。并说明在较强条件下收敛速度可充分接近1。     

双指数分布位置参数的经验Bayes估计问题

本文在平方损失下导出了双指数分布位置参数的Bayes估计，利用非参数方法构造了位置参数的经验Bayes(EB)估计．在适当的条件下，获得了EB估计的收敛速度．最后，给出了一个例子说明适合定理条件的先验分布是存在的．     

一类连续型单参数指数族参数的经验Bayes检验问题

讨论了独立同分布样本情形下一类连续型单参数指数族参数的经验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.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,并获得了其收敛速度.最后,给出了一个满足文中主要结果的例子.     

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.     

NA样本下非指数分布族参数的经验Bayes估计

在"平方损失"下,研究了基于NA样本情形下非指数分布族参数θ的经验Bayes估计.利用概率密度函数的核估计,构造了参数的经验Bayes(EB)估计量,在适当的条件下证明了获得的(EB)估计是渐近最优的且收敛速度的阶为O(n~(-(rs-2)/2(s+2))),其中s2,s∈N,2/sr1.最后给出一个满足定理条件的例子.     

两参数指数-威布尔分布形状参数的经验贝叶斯估计

研究了两参数指数-威布尔分布形状参数的经验贝叶斯(EB)估计问题,并假定当其中一个形状参数α已知时,给出了另一个形状参数θ在两种不同损失函数情况下的EB估计的表达式.并运用随机模拟方法,将两种不同损失函数下的EB估计进行了比较.     

负相伴样本情形下线性指数分布参数的经验Bayes估计

本文在同分布负相伴样本情形下利用密度函数的核估计构造了线性指数分布参数的经验Bayes(EB)估计,并在适当的条件下获得了它的收敛速度.最后,给出了一个有关本文主要结果的例子.     

Burr Ⅻ分布参数的经验Bayes估计的渐近最优性

本文研究了Burr Ⅻ分布参数的经验Bayes估计问题.利用密度函数的递归核估计,构造了参数的经验Bayes(EB)估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度.     

NA样本及Linex损失下截断族参数的经验EB估计

在Linex损失及NA样本下 ,对一类双边截断型分布族 ,构造了参数的经验Bayes(EB)估计 ,建立了它的收敛速度 .在一定的条件下证明了该收敛速度可以任意接近于 1 ,并给出满足定理条件的例子 .     

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.     

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.     

随机效应模型中方差分量渐近最优的经验Bayes估计

本文在加权二次损失下导出了双向分类随机效应模型中方差分量的Bayes估计,并利用多元密度函数及其混合偏导数核估计的方法构造了方差分量的经验Bayes(EB)估计.在适当的条件下证明了EB估计的渐近最优性,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.     

指数族刻度参数EB估计的渐近最优性

依据经验Bayes(EB)估计的思想方法,研究在LINEX损失函数下指数族刻度参数的EB估计问题.在这种损失函数下,求得参数的Bayes估计,利用密度函数的核估计方法,构造了总体X的密度函数估计,从而得到参数的EB估计,证明了这种EB估计是渐近最优的,并获得了它的收敛速度,最后将这种方法推广到多参数情形,并举例、模拟说明了它的应用.     

一类Cox模型参数的经验Bayes的双侧检验

本文在"平方损失"下,研究了一类Cox模型参数的经验Bayes(EB)双侧检验问题,首先利用概率密度函数的递归核估计,构造了参数的经验Bayes检验函数,在适当的条件下证明了它的渐近最优(a.o.)性,并获得了其收敛速度,最后给出满足定理条件的例子.     

加权平方损失下伽玛分布族Γ(θ,1/2)参数θ的EB估计

在加权平方损失函数下讨论了伽玛分布族T(θ,1/2)参数θ的经验Bayes(EB)估计,并讨论了EB估计的收敛速度问题,在一定条件下,收敛速度可充分接近于1.