混合整数线性模型方差分量的Bayes估计

本文研究了混合整数线性模型方差分量在无信息先验分布和有信息先验分布下Bayes估计，给出了混合整数线性模型方差分量无信息和：有信息先验分布下的极大后验估计和最佳Bayes估计。     

错误指定多元线性回归模型的Bayes估计

本文在错误指定下给出了多元线性模型的最优线性 Bayes估计 ,在矩阵损失下讨论了其相对于最小二乘法估计的优良性 ,且获得 Bayes估计的容许性和极小极大性     

不完全信息下型截尾Weibull分布参数的极大似然估计及贝叶斯估计

给出了不完全信息下 型截尾weibull分布参数的极大似然估计、无信息先验Bayes估计及多层Bayes估计,并指出针对一些具体模型还可以通过随机模拟来比较其估计精度.     

不完全信息下Ⅱ型截尾Weibull分布参数的极大似然估计及贝叶斯估计

给出了不完全信息下Ⅱ型截尾weibull分布参数的极大似然估计、无信息先验Bayes估计及多层Bayes估计,并指出针对一些具体模型还可以通过随机模拟来比较其估计精度.     

双参数指数分布环境因子的Bayes估计

讨论了定数截尾样本下双参数指数分布环境因子的极大似然估计、区间估计和Bayes估计.以参数后验密度的商密度作为环境因子的后验密度,并结合专家经验运用Bayes方法给出了环境因子在平方损失下和LINEX损失下的Bayes估计.最后运用Monte Carlo方法对各估计结果的均方误差(MSE),进行了模拟比较.结果表明LINEX损失下环境因子的估计较好.     

无失效数据情形可靠性参数的估计和调整

本文在无失效取样情形下,提出了产品可靠性参数的一种估计和调整的方法———加权多层Bayes估计法.在无失效数据情形下失效率的多层Bayes估计和引进失效信息后失效率的多层Bayes估计的基础上,对可靠性参数进行了估计和调整———给出了失效率和可靠度的加权多层Bayes估计.最后,结合发动机的实际问题进行了计算,结果表明本文提出的方法可行且便于应用.     

定数截尾两参数指数——威布尔分布形状参数的Bayes估计

在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高.     

线性回归模型的Bayes统计推断

Bayes方法虽融合了样本信息和先验信息，但利用的先验信息都是有历史经验和专家估计所得，因此可靠度不高。该文研究了正态线性回归模型：Y=Xβ＋e，e—N（0，σ^2。L），其中σ^2已知，β为未知参数向量，对传统的Bayes方法进行了改进，即把Bayes方法中的后验信息作为改进Bayes的无验信息并融合样本信息进行统计推断，在二次损失函数下得到了β的改进的Bayes估计。由于改进的Bayes方法的先验信息中有样本信息，因此其准确度比传统的Bayes方法准确度更高。     

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.     

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.     

基于近邻方法下分布参数的贝叶斯分析

本文基于近邻方法下,构造了连续型单参数指数族参数的经验Bayes(EB)检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的大样本性质.     

威布尔分布族刻度参数的经验Bayes检验函数的收敛速度

本文研究了在"加权线性损失"下,威布尔分布族刻度参数经验Bayes (EB)检验问题.利用概率密度函数的递归核估计,构造了刻度参数的经验Bayes检验函数,并获得了它的收敛速度,在适当的条件下,收敛速度的阶可任意接近O(n^-1),推广了文献的结果.最后给出一个有关本文主要结果的例子.     

关于回归模型的参数估计效率

本文讨论回归模型的参数估计效率。本文说明了现有线性回归模型的参数估计效率的下界与真实的参数估计效率在很多情况下相差较大,而且这种下界对于实测数据处理很难得到精确值。本文给出了估算参数估计效率的仿真方法。理论分析表明,该方法给出的参数估计效率的估计较现有的下界估计更合理;仿真和实算结果表明,对于一大类线性和非线性回归模型,该方法给出的回归模型的参数估计效率的估计更接近模型参数估计效率的真值。     

相依非线性回归系统中的附加信息Bayes拟似然

对多个相依统计模型的研究,现有成果主要集中在相依线性回归系统.本文则首次提出多个相依非线性回归系统中的附加信息Bayes拟似然,给出误差相关信息和先验信息在拟似然中的迭加方法,在较弱的条件下得到附加信息Bayes拟似然的一些性质,在Bayes风险准则下。讨论了其估计函数和参数估计的最优性,证明了附加信息Bayes拟似然的渐近 Bayes风险随着相依信息的增力。而逐步减少.     

线性指数分布参数的经验Bayes检验问题

分别讨论了线性指数分布参数的经验Bayes(EB)单侧和双侧检验问题.利用概率密度函数的核估计分别构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性并获得了它的收敛速度.最后,给出一个有关主要结果的例子.     

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.     

Cobb—Douglas生产函数参数估计的加权方法

本文给出了Cobb-Douglas生产函数参数估计的加权方法,实例分析表明,本文方法所得模型的精度明显高于经典方法所得模型的精度。     

负相伴样本情形线性指数分布参数的经验Bayes双侧检验问题

本文讨论了负相伴样本情形线性指数分布参数的经验Bayer(EB)双侧检验问题,利用概率密度函数的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所提出的经验Bayes检验函数的渐近最优(a.o)性并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。     

Reliability analysis for Weibull distribution with homogeneous heavily censored data based on Bayesian and least-squares methods

The reliability for Weibull distribution with homogeneous heavily censored data is analyzed in this study. The universal model of heavily censored data and existing methods, including maximum likelihood, least-squares, E-Bayesian estimation, and hierarchical Bayesian methods, are introduced. An improved method is proposed based on Bayesian inference and least-squares method. In this method, the Bayes estimations of failure probabilities are focused on for all the samples. The conjugate prior distribution of failure probability is set, and an optimization model is developed by maximizing the information entropy of prior distribution to determine the hyper-parameters. By integrating the likelihood function, the posterior distribution of failure probability is then derived to yield the Bayes estimation of failure probability. The estimations of reliability parameters are obtained by fitting distribution curve using least-squares method. The four existing methods are compared with the proposed method in terms of applicability, precision, efficiency, robustness, and simplicity. Specifically, the closed form expressions concerning E-Bayesian estimation and hierarchical Bayesian methods are derived and used. The comparisons demonstrate that the improved method is superior. Finally, three illustrative examples are presented to show the application of the proposed method.     

单向分类随机效应模型中方差分量的渐近最优经验Bayes估计

本文在加权平方损失下导出了单向分类随机效应模型中方差分量的Bayes估计, 利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,证明了 EB估计的渐近最优性.文末还给出了一个例子说明了符合定理条件的先验分布是存在 的.