随机B-F准备金模型中事故年索赔均值的信度估计

在B-F准备金模型中,事故年均值的估计是一个非常关键的估计量,然而传统的做法是假定事故年均值存在某个先验估计,这个先验估计是根据以往的经验资料由精算师确定的,具有很大的主观性.若先验估计选择合适,则能得到准备金的准确估计,反之,若先验估计选取错误,则给准备金估计带来较大的误差.本文提出改进的随机B-F准备金模型,利用信度理论的思想给出事故年随机索赔均值的信度估计,进而利用经验贝叶斯的方法得到了先验分布中结构参数的估计,最后得到责任准备金的经验贝叶斯估计.我们利用数值模拟的方法验证了事故年均值的经验贝叶斯的均方误差.结论显示,这种随机B-F模型的经验贝叶斯估计是有效的.最后,给出保险公司的实际例子,将本文得到的准备金经验贝叶斯估计与传统的B-F估计和链梯法估计进行了比较.     

线性指数分布的简单贝叶斯估计[英文]

本文利用Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,研究线性指数分布的参数的简单贝叶斯估计.本文的创新之处是利用了核密度估计法和缺一交叉验证法构造概率密度函数.在估计过程中,先验信息可以通过可靠度函数估计的区间形式表示.基于这种先验信息,可以构造线性指数分布参数的连续联合先验分布,并可以给出在任意给定时刻可靠度函数的均值及标准差的后验估计.通过一个数值例子说明这种估计方法.Rayleigh分布是线性指数分布的特殊情况,通过简单贝叶斯估计过程,给出了Rayleigh分布的尺度参数的一种新的先验分布,这个模型的均值可由一个级数逼近.     

基于贝叶斯估计的中国人均GDP之时序模型

本文应用SAS软件对1952-2009年的中国人均GDP建立时间序列模型并对2010-2013年的中国人均GDP进行了预测;在此基础上建立了以时间序列模型得到的参数信息作为先验信息的两种贝叶斯修匀模型与算法。由此所得的参数贝叶斯估计及预测,能充分利用样本信息和参数的先验信息,因而具有更小的方差或平方误差,估计参数更科学。为了检验该方法对先验分布的灵敏性,我们做了基于两种先验分布的模拟预测。将预测结果与传统时间序列预测相比,发现单一正态观测值、方差已知的先验分布的贝叶斯模型得到的预测值更准确,而基于先验分布为指数分布的贝叶斯模型的预测误差较大,预测效果差。     

Gumbel分布的简单贝叶斯估计

在实际应用中,两参数Gumbel分布的贝叶斯估计往往需要预先知道Gumbel参数的二维联合先验分布。由于获取先验分布的主观性和统计推断的复杂性,目前有关Gumbel分布贝叶斯估计理论及其性质的讨论还比较少,更不要说获得较为简单的Gumbel分布的贝叶斯估计。本文基于Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,利用可靠度函数估计的区间形式表示先验信息,从而得到两个参数Gumbel分布的简单贝叶斯估计。基于此先验信息,该估计过程构造了Gumbel参数的连续联合先验分布,给出了在给定任意时点的可靠度(或累积密度)及其标准差的后验估计,为可靠性与风险评估中简单快速的使用贝叶斯估计刻画极端事件提供了可能.     

广义矩阵分布下多元回归模型的贝叶斯推断

考虑具有奇异矩阵椭球等高分布误差的多元线性回归模型的贝叶斯统计推断,在非信息先验下得到了系数矩阵关于Hausdorff测度的后验边缘分布和未来观察值的预测分布,并得到了一类特殊奇异矩阵椭球等高分布下误差协方差矩阵的后验边缘分布.对于具有奇异矩阵正态分布误差的多元线性回归模型,在广义正态-逆Wishart共轭先验下得到了类似的后验边缘分布和预测分布结果.在上述两种先验分布下,回归系数矩阵的后验边缘分布和预测分布是双奇异矩阵t分布,这种分布具有关于Hausdorff测度的精确密度.结果表明,在非信息先验下,回归系数矩阵的后验边缘分布和未来观察值的预测分布在奇异矩阵椭球等高分布类中具有稳健性.     

污染数据情形下线性指数分布参数的经验贝叶斯估计（英文）

本文研究污染数据情形下线性指数分布参数的经验贝叶斯估计问题.在平方损失函数下,导出参数的贝叶斯估计以及利用解卷积的核方法构造该参数的经验贝叶斯估计.在合适的条件下,得到基于超平滑误差分布类所提出的经验贝叶斯估计的一致收敛速度.     

����ģ�ͱ������ı�Ҷ˹����

本文主要讨论了变点的先验分布为beta-binomial分布 和Ibrahim等(2003)提出的幂型先验的条件下, 有一个变点的线性模型的贝叶斯统计推断问题, 并且我们假定变点两边的观测值的方差是相等的. 我们得到变点、回归系数、共同方差的后要分布的显示表达式. 本论文不仅把Ferrira(1975)论文从变点先验分布服从离散均匀分布推广到了更好描述变点 的形状的beta-binomial分布, 而且进一步将变点的先验分布推广到包含的历史信息的幂型先验. 当变点的先验分布为beta-binomial分布和幂型先验时, 模拟结果显示了贝叶斯方法具有更高的准确性.     

以截尾伽玛分布为先验分布的产品失效率的贝叶斯估计

本文研究了基于泊松分布的产品失效率估计问题.利用贝叶斯统计推断方法,获得了以截尾伽玛分布为先验分布时,产品失效率的贝叶斯估计和相关性质,推广了以伽玛分布为先验分布的贝叶斯估计结果.     

偏正态混合效应模型参数的经验贝叶斯估计

针对偏正态混合效应模型,研究模型固定效应和偏度参数的经验贝叶斯估计问题.首先,基于固定效应和偏度参数的先验分布及贝叶斯法则,给出其后验分布.进而,综合运用极大似然估计方法和MCMC技术,获得固定效应和偏度参数的经验贝叶斯估计及其算法.模拟结果表明,在均方误差意义下,经验贝叶斯估计在大部分情况下优于由Nelder-Mead算法获得的极大似然估计.最后,将经验贝叶斯估计应用于中国长三角城市群人口增长的影响因素分析.     

有限总体中总体数量的贝叶斯预测（英文）

本文在误差平方损失下研究了具有正态逆伽马先验信息有限总体中的预测问题.首先,基于贝叶斯思想分别获得了线性数量和二次型数量的贝叶斯预测;其次,利用统计决策理论对线性数量的贝叶斯预测和最佳线性无偏预测进行了比较.结果表明在预测均方误差下线性数量的贝叶斯预测一致优于最佳线性无偏预测.     

不等式约束条件下部分线性回归模型的参数估计

本文研究了不等式约束条件下部分线性回归模型的参数估计问题，利用最优化方法和贝叶斯方法，给出了不等式约束条件下部分线性回归模型的最小二乘核估计和最佳贝叶斯估计，并且证明了在一定条件下，带约束条件的最小二乘核估计在均方误差意义下要优于无约束条件的最小二乘核估计。     

错误先验假定下回归系数Bayes估计的小样本性质

本在于错误指定的先验假定获得了回归系数的Ｂａｙｅｓ估计（ＢＥ）,并在均方误差矩阵准则下对其与最小二乘（ＬＳ）估计进行了比较,导出了它们的相对效率的界、讨论了在后验ＰｉｔｍａｎＣｌｏｓｅｎｅｓｓ准则下ＢＥ相对于ＬＳ估计的优良性。     

The superiorities of bayes linear unbiased estimator in multivariate linear models

In this article,the Bayes linear unbiased estimator (BALUE) of parameters is derived for the multivariate linear models.The superiorities of the BALUE over the least square estimator (LSE) is studied in terms of the mean square error matrix (MSEM) criterion and Bayesian Pitman closeness (PC) criterion.     

Superiority of empirical Bayes estimator of the mean vector in multivariate normal distribution

In this paper, the Bayes estimator and the parametric empirical Bayes estimator (PEBE) of mean vector in multivariate normal distribution are obtained. The superiority of the PEBE over the minimum variance unbiased estimator (MVUE) and a revised James-Stein estimators (RJSE) are investigated respectively under mean square error (MSE) criterion. Extensive simulations are conducted to show that performance of the PEBE is optimal among these three estimators under the MSE criterion.     

基于局部多项式展开的多元非参数模型贝叶斯带宽选择

在多元非参数模型中带宽和阶的选择对局部多项式估计量的表现十分重要。本文基于交叉验证准则提出一个自适应贝叶斯带宽选择方法。在给定的误差密度函数下,该方法可推导出对应的似然函数,并构造带宽参数的后验密度函数。随后,通过带宽的后验期望可同时获得阶和带宽的估计。数值模拟的结果表明,该方法不仅比大拇指准则方法精确,且比交叉验证方法耗时更少。与此同时,与Nadaraya-Watson估计相比,所提带宽选择方法对多元非参数模型的适应性要更好。最后,本文通过一组实际数据说明有限样本下所提贝叶斯带宽选择的表现很好。     

错误先验假定下Bayes线性无偏估计的稳健性

本文基于错误的先验假定获得了一般线性模型下可估函数的Bayes线性无偏估计(BLUE), 证明了在均方误差矩阵(MSEM)准则和后验Pitman Closeness (PPC)准则下BLUE相对于最小二乘估计(LSE)的优良性, 并导出了它们的相对效率的界, 从而获得BLUE的稳健性.     

Superiority of empirical Bayes estimation of error variance in linear model

In this paper, the Bayes estimator of the error variance is derived in a linear regression model, and the parametric empirical Bayes estimator (PEBE) is constructed. The superiority of the PEBE over the least squares estimator (LSE) is investigated under the mean square error (MSE) criterion. Finally, some simulation results for the PEBE are obtained.     

Moment bounds for non-linear functionals of the periodogram

In this paper, we prove the validity of the Edgeworth expansion of the Discrete Fourier transforms of some linear time series. This result is applied to approach moments of non-linear functionals of the periodogram. As an illustration, we give an expression of the mean square error of the slightly modified Geweke and Porter-Hudak estimator of the long memory parameter. We prove that this estimator is rate optimal, extending the result of Giraitis et al. (1997) [12] from Gaussian to linear processes.     

Optimal variance estimation based on lagged second-order difference in nonparametric regression

Differenced estimators of variance bypass the estimation of regression function and thus are simple to calculate. However, there exist two problems: most differenced estimators do not achieve the asymptotic optimal rate for the mean square error; for finite samples the estimation bias is also important and not further considered. In this paper, we estimate the variance as the intercept in a linear regression with the lagged Gasser-type variance estimator as dependent variable. For the equidistant design, our estimator is not only \(n^{1/2}\)-consistent and asymptotically normal, but also achieves the optimal bound in terms of estimation variance with less asymptotic bias. Simulation studies show that our estimator has less mean square error than some existing differenced estimators, especially in the cases of immense oscillation of regression function and small-sized sample.     

Superconvergent Cluster Recovery Method for the Crouzeix-Raviart Element

In this paper, we propose and numerically investigate a superconvergent cluster recovery (SCR) method for the Crouzeix-Raviart (CR) element. The proposed recovery method reconstructs a $C^0$ linear gradient. A linear polynomial approximation is obtained by a least square fitting to the CR element approximation at certain sample points, and then taken derivatives to obtain the recovered gradient. The SCR recovery operator is superconvergent on uniform mesh of four patterns. Numerical examples show that SCR can produce a superconvergent gradient approximation for the CR element, and provide an asymptotically exact error estimator in the adaptive CR finite element method.